基於人脸影像之人类年龄侦测.PDF

基於人臉影像之人類年齡偵測 Jian-Hao Lai( 賴健豪 ) Don-Lin Li( 李東霖) Prof. C.T. Lin(林進燈) National Chiao Tung University Taiwan, ROC .tw lazybones.ece95g@.tw ctlin@.tw Shih-Chun Chou(周世俊 ) Institute of Information Industry Taiwan, ROC benchou@.tw 在實際人臉影像分析應用上 ，諸如多 摘要 媒體通訊 、人機介面與安全監控等， 近年來 ，年齡偵測在人臉辨識技 扮演重要角色 。如何從這龐大的複合 術中 ，漸漸成為一項受重視的領域 ， 訊號中只抽取需要的部分 ，仍是一門 加上科技的發達 ，年齡偵測被認為在 具挑戰性的學問 。 多媒體通訊 、人機介面、居家照護及 目前特徵抽取的方法可 以略分為 安全監控等應用上有相當大的發展潛 三大類 ，第一類是基於統計分析之特 力。本論文提出一個基於線性識別分 徵抽取法 [1][2][3][4] ，第二類為基於頻 析(LDA)技術的自動人臉年齡偵測 系 率分析之特徵抽取法[5] ，而第三類類 統。我們參考數種常見於人臉辨識的 則是基於紋理分析之特徵抽取法 [6] 。 特徵抽取技術 ，觀察它們針對年齡特 由於實際應用上所輸入的大多為低解 徵所產生的流形 (Manifold) ，依據實驗 析度之影像 ，本論文所設定的 實驗環 結 果 ， LDA(Linear Discriminant 境亦使用低解析度之影像 ，而基於頻 Analysis)最適合用來抽取年齡特徵 。強 率分析跟基於紋理分析之方法在低解 健且容易使用的 SVM (Support Vector 析度下效果較差 ，故本論文採用基於 Machine)則是系統中主要的數據分類 統計分析之特徵抽取法來抽取年齡特 法。 徵。 現有相關領域論文皆使用較高解 常用的基於統計分析之特徵抽取 析度影像作為實驗資料 ，而本論文為 法 有 PCA (Principle Component 滿足實際應用需求 ，特別針對低解析 Analysis)[1][4] 、 LDA(Linear 度影像來實驗 。在只有40x40 像素的 Discriminant Analysis)[1] 、 極低解析度下 ，本系統仍能提供不遜 LPP(Locality Preserving Projection) [2] 於使用高解析度影像的準確率 。 與 OLPP(Orthogonal Locality Preserving Projection)[3] 四種，藉由觀 察 它 們 對 年 齡 特 徵 產 生 的 流 形 一、 緒論