Аннотация:
Предложен новый алгоритм последовательного определения пола и возраста человека по изображению лица на основе двухэтапной схемы восстановления регрессии с помощью метода опорных векторов. В качестве признакового описания изображения используются только наиболее значимые локальные бинарные шаблоны. Для повышения точности половой классификации применяется процедура бутстраппинга – обучения на трудных примерах, а для повышения точности определения возраста – «плавающие» границы возрастных диапазонов.

Ключевые слова :
машинное обучение, классификация изображений, половая классификация людей, возрастная классификация людей, локальные бинарные шаблоны, AdaBoost, метод опорных векторов, бутстраппинг, регрессия на основе опорных векторов.

Цитирование:
Рыбинцев, А.В. Последовательная половая и возрастная классификация людей по изображению лица на основе ранжированных локальных бинарных шаблонов / А.В. Рыбинцев, В.С. Конушин, А.С. Конушин // Компьютерная оптика. – 2015. – Т. 39, № 5. – С. 762-769. – DOI: 10.18287/0134-2452-2015-39-5-762-769.

Литература:

1. Fu, Y. Estimating human ages by manifold analysis of face pictures and regression on aging features / Y. Fu, Y. Xu, T. Huang // Proceedings of the 2007 IEEE Multimedia Expo Conference. – 2007. – P. 1383-1386.
2. Montillo, A. Age regression from faces using random forests / A. Montillo, H. Ling // Proceedings of the 2009 IEEE International Conference on Image Processing. – 2009. – P. 2465-2468.
3. Cootes, T. Active appearance models / T. Cootes, G. Edwards, C. Taylor // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2001. – Vol. 23, Issue 6. – P. 681-685.
4. Lian, H.-C. Multi-view gender classification using local binary patterns and support vector machines / H.-C. Lian B.-L. Lu // ISNN’06. Proceedings of the 3rd International Symposium on Neural Networks. – 2006. – Vol. 2. – P. 202-209.
5. Guo, G. Human age estimation using bio-inspired features / G. Guo, G. Mu, Y. Fu, T. Huang // Proceedings of the 2009 IEEE International Conference on Computer Vision and Pattern Recognition. – 2009. – P. 112-119.
6. Guo, G. A study on automatic age estimation using a large database / G. Guo, G. Mu, Y. Fu, C. Dyer, T. Huang // Proceedings of the 2009 IEEE International Conference on Computer Vision. – 2009. – P. 1986-1991.
7. Shan, C. Learning local binary patterns for gender classification on real-world face images // Pattern Recognition Letters. – 2012. – Vol. 33, Issue 4. – P. 431-437.
8. Kuharenko, A. Simultaneous facial attribute classification with convolutional neural networks / A. Kuharenko, A. Konushin // PRIA-11-2013. Proceedings of the 2013 IEEE International Conference on Pattern Recognition and Image Analysis. – 2013. – P. 623-626.
9. Конушин В.С. Классификация людей по изображению лица на основе сравнительных признаков внешности / В.С. Конушин, Т.М. Лукина, А.В. Кухаренко, А.С. Конушин // Системы и средства информатики. – 2013. – Том 23, № 2, – С. 34-45.
10. Chang, K.-Y. A ranking approach for human age estimation based on face images / K.-Y. Chang, C.-S. Chen, and Y.-P. Hung // ICPR-20-2010. Proceedings of the 20th IEEE International Conference on Pattern Recognition. – 2010. – P. 3396-3399.
11. Chang, K.-Y. Ordinal hyperplanes ranker with cost sensitivities for age estimation / K.-Y. Chang, C.-S. Chen,
    Y.-P. Hung // Proceedings of the 2011 IEEE International Conference on Computer Vision and Pattern Recognition. – 2011. – P. 585-592.
12. Guo,  G. A probabilistic fusion approach to human age prediction / G. Guo, Y. Fu, T. Huang, C. Dyer // CVPRW’08. Proceedings of the 2008 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. – 2008. – P. 1-6.
13. Yilionias, J. Age estimation using local binary patterns kernel density estimate / J. Yilionias, A. Hadid, X. Hong, M. Pietikainen // ICIAP’13. Proceedings of the 2013 IEEE International Conference on Image Analysis and Processing. – 2013. – P. 141-150.
14. Luu, K. Age estimation using active appearance model and support vector machine regression / K. Luu, K. Ricanek, T. Bui, C. Suen // BTAS’09. In: Proceedings of the 3rd IEEE International conference on biometrics: theory, applications and systems. – 2009. – P. 1-5.
15. Рыбинцев, А.В. Возрастная классификация людей по изображению лица на основе метода ранжирования и локальных бинарных шаблонов / А.В. Рыбинцев, Т.М. Лу­кина, В.С. Конушин, А.С. Конушин // Системы и средства информатики. – 2013. – Т. 23, № 2. – С. 48-59.
16. Chen, K. Cumulative attribute space for age and crowd density estimation / K. Chen, S. Gong, T. Xiang // Proceedings of the 2013 IEEE International Conference on Computer Vision and Pattern Recognition. – 2013. – P. 2467-2474.
17. Moghaddam, B. Learning gender with support faces / B. Moghaddam, M. Yang // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2002. – Vol. 24, Issue 5. – P. 707-711.
18. BenAbdelkader, C. A local region-based approach to gender classification from face images / C. BenAbdelkader, P. Griffin // CVPRW’05. Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. – 2005. – P. 52-56.
19. Makinen, E. Evaluation of gender classification methods with automatically detected and aligned faces / E. Makinen, R. Raisamo // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2008. – Vol. 30, Issue 3. – P. 541-548.
20. Hadid, A. Combining appearance and motion for face and gender recognition from videos / A. Hadid, M. Pietikainen // Pattern Recognition. – 2009. – Vol. 42, Issue 11. – P. 2818-2827.
21. Shakhnarovich, G. A unified learning framework for real time face detection and classification / G. Shakhnarovich, P. Viola, B. Moghaddam // Proceedings of the 5th IEEE International Conference on Automatic Face and Gesture Recognition. – 2002. – P. 14-21.
22. Lapedriza, A. Gender recognition in non controlled environments / A. Lapedriza, M. Marin-Jimenez, J. Vitria // ICPR 2006. Proceedings of the 18th IEEE International Conference on Patter Recognition. – 2006. – Vol. 3. – P. 834-837.
23. Baluja, S. Boosting sex identification performance / S. Baluja, H. Rowley // Computer Vision. – 2007. – Vol. 71, Issue 1. – P. 11–119.
24. Gao, W. Face gender classification on consumer images in a multiethnic environment / W. Gao, H. Ai // ICB 2009. Proceedings of the 3d IEEE International Conference Advances in Biometrics. – 2009. – P. 169-178.
25. Ojala, T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns / T. Ojala, M. Pietikainen, T. Maenpaa // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2002. – Vol. 24, Issue 7. – P. 971-987.
26. Schapire, R. Short Introduction to Boosting // IJCAI’99. Proceedings of the 16th International Joint Conference on Artificial Intelligence. – 1999. – Vol. 2. – P. 1401-1406.
27. Felzenszwalb, P. Object detection with discriminatively trained part base models / P. Felzenszwalb, R. Girchik, D. McAllester, D. Ramanan // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2010. – Vol. 32, Issue 9. – P. 1627-1645.
28. Laptev, I. Improvements of object detection using boosted histograms // Image and Vision Computing. – 2009. – Vol. 27, Issue 5. – P. 535-544.
29. Chang, C. LIBSVM: a library for support vector machines / C. Chang, C. Lin [Electronical Resource]. – URL: http://csiewiki.org/cjlin/libsvm (request date 01.04.2014).
30. MORPH (Craniofacial Longitudinal Morphological Face Database) [Electronical Resource]. – URL: http://www.faceaginggroup.com/morph/ (request date 01.04.2014).
31. The FG-NET aging Database [Electronical Resource]. – URL: http://www.fgnet.rsunit.com (request date 01.04.2014).
32. Labeled Faces in the Wild dataset [Electronical Resource]. – URL: http://vis-www.cs.umass.edu/lfw (request date 01.04.2014).

---

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E mail: ko@smr.ru; Phones: +7 (846) 332 56 22, Fax: +7 (846) 332 56 20