基于多模态成长模式学习的人类年龄自动估计

年龄作为人类的重要属性，在社会生活中发挥着重要作用。因此，自动年龄估计技术具有广阔的应用前景。目前，国际上关于人类年龄自动估计的研究尚处于起步阶段。本项目主要研究通过多种模态的年龄特征，如人脸、语音、行为等，对人的年龄做出自动估计的方法。该年龄估计方法可以基于某种单一模态的特征，也可以基于多模态特征的融合。这种方式类似于人类估计他人年龄的方式，方便快捷且不唐突，因此可以实施于绝大多数需要年龄验证的应用中。本项目的解决方案主要基于对多模态年龄成长模式的学习。所谓年龄成长模式是指一个人按照时间顺序从小到大排列的年龄特征序列。在年龄成长模式上运行的机器学习方法应能够适应年龄估计问题与一般模式识别问题所不同的特点，如训练集不足、时序性、个性化等。本项目的预期成果为一种能与人类估计陌生人年龄的能力相似的自动年龄估计方法，同时将产生6-8篇高质量论文。

本项目主要研究通过视听信息对人的年龄做出自动估计的方法，该方法可以基于单模态的年龄特征，如人脸、语音等，也可基于两种或两种以上多模态特征的融合。项目组按照既定的研究计划，开展了相关研究工作。主要结果包括：1、对语音特征与年龄的相关性进行了研究，确定了与年龄相关的158个语音特征；2、提出了一种可以处理年龄估计问题中大量缺失值的多线性子空间分析方法M2SA；3、提出了标记分布学习的概念及两种实现标记分布学习的算法：IIS-LLD和CPNN，并将它们成功应用于年龄估计问题；4、建立了适合于各类年龄信息的年龄估计模型M2SA、IIS-LLD、CPNN等，并进行了实验验证；5、提出了将人脸和语音有效融合的多模态年龄估计方法。本项目共发表或录用论文10篇，其中SCI检索3篇，EI检索6篇。申请发明专利4项，其中1项已授权。培养硕士研究生7人，其中1人已毕业。总的来说，项目按照申请书中的研究计划执行良好，完成了申请书中提出的研究内容，取得了预期的研究成果。