تخمین خودکار سن از روی تصویر چهره با تلفیق ویژگی‌های آماری و بافت

برآورد خودکار سن از تصویر چهره کاربردهای مختلفی ازجمله در پزشکی قانونی، مدیریت ارتباط با مشتری و کنترل امنیت دسترسی دارد. بدین منظور ویژگی‌های مختلفی از تصاویر چهره استخراج، پردازش و انتخاب می‌شوند و با استفاده از الگوریتم‌های دسته‌بندی، سن تصویر چهره موردنظر تخمین زده می‌شود. استخراج و انتخاب ویژگی‌های مناسب یک مرحله اساسی و مهم در این فرآیند برآورد خودکار است، که انجام آن معمولاً سخت و مشکل است به‌طوری‌که دقت برآورد تا حد زیادی به این مرحله وابسته است. ویژگی‌های که برای برآورد سن استفاده می‌شود هم در ویژگی‌های محلی در قسمت‌های مختلف چهره مانند  انواع چین‌وچروک‌ها و هم در ویژگی‌های عمومی مانند اندازه، شکل و ظاهر چهره وجود دارند. هدف این مقاله افزایش دقت برآورد سن، با استفاده از تلفیق ویژگی‌های محلی و عمومی است. ویژگی‌های محلی با استفاده از الگوریتم‌های هارالیک و هیستوگرام‌های گرادیان‌های جهت‌دار استخراج می‌شوند درحالی‌که ویژگی‌های عمومی با استفاده از مدل ظاهر فعال به دست می‌آیند. همچنین بررسی می‌شود که چه ترکیبی از ویژگی‌های محلی و عمومی باعث افزایش دقت می‌شود. نتایج پیاده‌سازی‌ها بر روی پایگاه تصاویر چهره محک زن نشان داد که تلفیق ویژگی‌های محلی و عمومی باعث افزایش دقت و همچنین تلفیق ویژگی‌های هیستوگرام‌های گرادیان‌های جهت‌دار با مدل ظاهر فعال نسبت به تلفیق ویژگی‌های هارالیک با مدل ظاهر فعال دارای دقت برآورد بیش‌تری است.