基于分块PCA的人脸年龄估计算法(2)
1.1 人脸识别
1.1.1人脸图像的属性
脸部的属性，如年龄，性别，身份，表情，以及种族本源，在包括多媒体通信，人机交互，信息安全的人脸图像识别中起到关键性的作用[1]。
1.1.2实际应用
如果有一家公司想要了解其个别产品的消费者大概的年龄段，从而能针对该年龄段的消费者进行产品研发。通常来说，这需要被调查的消费者主动配合，完成网络亦或是现场的问卷调查。但是一旦有人脸图像的年龄识别的工具之后，就能通过超市等购物区的监控设备，非常容易地捕获消费者的年龄统计信息。在这样的应用中，各种属性可以通过评估，从获取的面部图像转化为进一步的系统反馈。假如一个用户的年龄能够被计算机识别，就能根据这个来开发一个年龄专家的人机交互系统，并用于网络保密系统的访问控制。将它投入应用后，未成年人将没有权限访问成人性的网页，同样也无法从自动售货机购买烟酒。
1.2 人脸年龄识别的发展和存在的问题
1.2.1 目前的研究成果
现存的基于图像的年龄识别方法主要有三个类别，即人体测量模型，年龄进程子空间，和返童现象。颅颌面发展理论与面部皮肤皱纹分析用来创建人体模型。脸形和纹理的变化与增长模式进行测量，以分类的脸成几个年龄组。这些方法适用于针对年轻人的粗年龄估计或建模的年龄。然而，它们并不是用于连续或精制年龄分类。为了处理不完整的数据，如在训练序列中缺失的老化，老化图案子空间方法模型个体的序列，通过学习的子空间表示衰老的人脸图像。该面部测试年龄的确定是根据在子空间的投影来重建的面部图像。对于回归方法，五官被主动外观提取模型，该合并的形状和外观信息混合而成。之后输入的脸部图像由一组拟合模型参数表示。回归系数根据带有如二次模型的回归函数的训练数据估计出来，还通过制定一个半定规划问题或EM算法来处理年龄的不确定性[1]。
1.2.2尚未解决的问题
有一些关于年龄推断的研究从过去的几十年里不断衍生出来，但由于年龄表现形式的复杂性，它们只有少数得到发表。随着年龄的增长，人脸部的变化难以预测，并且因人而异。不同年龄的人脸部所呈现的多种特性，由于其是人脸呈现出的多样化的信息，很难被准确地捕获。在另一方面，年龄估计问题与随年龄变化的脸部识别问题又有所差异，而我们的目标是在输入的脸部图像中不带有年龄信息的情况下，准确捕获处理该人的身份。年龄估计的研究工作可能有助于识别同一个人不同年龄的脸部图像。
最近的十几年，人脸图像的年龄识别受到各种学术领域的关注，得到非常高速的发展。因为一些原因，人脸图像的年龄识别受到了大范围的重视。人脸识别中存在一个十分棘手的问题，随着人类的老化，脸部会呈现各方面难以预测的变化，使得识别率明显降低[2]。通常来说为了解决这个问题，会针对每一个人收集他在各个年龄段的人脸图像，然后通过图像变换技术，从而使得识别率上升。但是这种方法有非常大的局限性，它对于识别率的提高，仅仅在非常有限的范围内。但是一旦年龄的变化范围扩大到它难以承受的范围，这种方法就失去了效果，识别率大打折扣。 相当一部分的研究人员单独将人脸图像的年龄识别作为一个研究的课题，并试图探求人类老化对面部外貌的影响的规律，从而解决这个棘手的问题。这个问题一旦得到解决，人类老化对面部外貌的影响对人脸识别系统的干扰将会消除，并且人脸的外貌也能得到非常准确的识别。
1.2.3 干扰因素
上一篇：基于空间相干性的焦场调控
下一篇：相控接收天线阵的回波信号仿真