ارایه روش جدید دو مرحله‌ای برای تخمین هوشمند سن افراد توسط تصاویر چهره

تخمین سن هوشمند افراد از روی تصاویر چهره، به‌دلیل نقش کلیدی در بسیاری از موارد کاربرد، نظیر تحلیل رفتار مشتریان در یک سیستم هوش تجاری، به یکی از موضوعات تحقیقاتی مهم در حوزه بینایی ماشین و تشخیص الگو تبدیل شده است. تخمین سن، فرایندی است که طی آن، تصویر چهره فرد توسط کامپیوتر، پردازش شده و سن او براساس معیار سال، برآورد می‌شود. فرایند تخمین سن از دو بخش اصلی تشکیل می‌شود: 1. توصیف چهره؛ 2. یادگیری تابع تخمین سن. تاکنون، روش‌های متعددی جهت بهبود یک یا هر دو بخش فرایند تخمین سن، ارایه شده است. در این مقاله، یک روش جدید برای بهبود بخش یادگیری تابع تخمین سن ارایه می‌شود. در روش پیشنهادی، توصیف چهره در دو مرحله و با استفاده از روش‌های bif (bio-inspired features) و pls (partial least squares) انجام می‌شود. در ادامه، سن فرد توسط یک روش دو مرحله‌ای جدید که بر مبنای شبکه عصبی mlp (multi-layer perception) پیاده‌سازی شده است، تخمین زده می‌شود. به‌منظور ارزیابی، روش پیشنهادی بر روی دو پایگاه داده معروف fg-net و morph2 اجرا شده است. نتایج حاکی از برتری روش پیشنهادی (54% دقت بیشتر بر روی پایگاه داده fg-net و 78% دقت بالاتر بر روی پایگاه داده morph2) بر سایر روش‌های موجود در فرایند تخمین سن است.