Yüz resimlerinden yaş bilgisinin tespit edilmesi

Abstract

Bir insana ait yaşlanma süreci, genetik, sağlık, yaşam stili ve hatta hava koşulları gibi pek çok faktör tarafından etkilenmektedir. Bu nedenle yüz resimlerinden insanın yaşının tahmin edilmesi sadece günümüz bilgisayarla görme sistemleri için değil bazı durumlarda insanlar için bile zor bir problemdir. Genel bir yaş sınıflandırıcı oluşturmak için insan yüzünün şekilsel ve dokusal bilgileri birlikte kullanılmalıdır.Bu tez çalışmasında önerilen yaş tespit sisteminde, yaşlanmanın meydana getirdiği değişimleri tanımlamak amacıyla insan yüzünün geometrik ve dokusal öznitelikleri birlikte kullanılmaktadır. Sistem temel olarak iki aşamadan oluşmaktadır: eğitim aşaması ve test aşaması. Eğitim aşamasında, eğitim setindeki yüz resimlerine düzgün dağılım göstermeyen iç içe geçmiş yaş grup değerleri atanmıştır. Sonrasında eğitim setinde, ön işlemden geçirilmiş yüz resimlerine bazı yüzsel öznitelik çıkarım yöntemleri uygulanmıştır. Sonuç olarak, elde edilen öznitelik vektörlerinin kullanılması ile yaş sınıflandırıcılar modellenmektedir. Test aşamasında, test edilen yüz resminin her bir gruba ait olma olasılığının tayin edilmesi için yaş sınıflandırıcılar kullanılmaktadır. Sınıflandırıcı olasılık değerlerinin interpolasyonu en son tahmini yaş değerini üretir.Çalışmada farklı öznitelik değerleri farklı sınıflandırma algoritmaları ile birlikte kullanılarak test edilmiştir. Çeşitli test senaryoları için yapılan karşılaştırmalı sonuçlar göstermektedir ki, yaş tahmininin en düşük Ortalama Tam Hata değeri, Yerel Gabor İkili Örüntü Operatörü ve Geometrik öznitelik değerlerinin birlikte kullanılması ile elde edilmektedir.Aging progress of a person is influenced by many factors such as genetics, health, lifestyle, and even weather conditions. Therefore human age estimation from face image is a challenging problem not only for the existing computer vision systems but also for humans in some circumstances. For creating a general aging model, facial shape and texture information of human face should be used together.The proposed age estimation system in this thesis, combines the geometric and textural features of the human face to represent the variants that aging causes. System mainly consists of two phases: tarining phase and testing phase. In the training phase, face images in the training set are assigned to non-uniformly formed overlapping age group labels. Then several facial feature extraction methods are applied to the preprocessed face images in the training set. Finally, age classifiers are modeled by using the extracted feature vectors. In the testing phase, age classifiers are used to assign probabilities of the tested face image belonging to each group. The interpolation of the classifier probabilities produces the final estimated age.In the study different facial features were tested by using them with different classifier algorithms. Comparative results of different testing senarios show that, the lowest Mean Absolute Error of age estimation is obtained using the fusion of Local Gabor Binary Pattern operator and Geometric features.