基于海量网络媒体数据的人脸老化模拟与年龄估计方法研究

Human face aging simulation and age estimation has a wide range of real-world applications and is also one of the main topics in face analysis. Traditional human face aging simulation and age estimation algorithms always require a high-quality face aging database. In practice, however, the construction of this kind of database takes a very long period of time. Moreover, most currently used face aging databases has obvious limitation in the distribution of age, gender and ethnic origin, which leads to the fact that human face aging simulation and age estimation algorithms can hardly be used in the real scenario. Our project will employ the huge amounts of data in the network media and collect face images and videos with age labels from it, constructing a face aging database containing face samples from varieties of ethnic origins and with uniform distributions of age and gender. Using this database, we will research on face aging simulation and age estimation algorithms, designing face aging simulation methods not depending on individuals' face image sequences at different age groups and face age estimaion methods which is robust to the noises in the age labels. Furthermore, we will combine the face aging simulation method and age estimation algorithm in an iterative framework, enhancing the overall performance of the algorithms. Finally, this framework will be utilized in the age-invariant face recognition and retrieval, improving the recognition rate and retrieval accuracy when age differences exist between the test face and faces in the database.

人脸老化模拟与年龄估计在实际中具有广泛的应用，是人脸分析领域的重要研究方向。传统的人脸老化模拟与年龄估计算法往往依赖于一个高质量老化数据库，但这种数据库在实际中采集需要很长一段时间，且数据库在人的种族、年龄、性别上的分布有明显局限性，使得现存的人脸老化模拟及年龄估计算法难以应用于实际场景中。本项目中拟采用网络媒体中的海量数据信息，利用其中带有年龄标签的人脸视频及图像，建立多种族、年龄及性别分布较为均匀的人脸老化数据库，利用该数据库进行人脸老化模拟与年龄估计算法的研究，设计不依赖于同一个个体在不同年龄段下的人脸图像序列的人脸老化模拟算法，建立对于年龄标签中存在的噪声鲁棒的人脸年龄估计算法，并将人脸老化模拟与年龄估计算法结合为一个统一的迭代框架，提升算法的总体性能，最后将该框架应用于年龄无关的人脸识别及检索，提高在测试人脸与数据库中人脸存在年龄差距时的识别率及检索的正确率。

本项目对基于网络媒体数据的人脸老化模拟及年龄估计算法进行了深入探索，并取得较大进展。建立了基于海量网络媒体数据的人脸老化数据库，并利用该数据库对人脸图像的年龄属性进行研究，提出了基于加权稀疏表示方法的层次化人脸年龄估计方法，基于嵌入纹理图模型的年龄不变人脸识别算法，基于张量填充的老化模拟方法，以及基于隐含变量分析与稀疏表示的老化模拟方法等。项目期间共发表论文16篇，其中在IEEE Transactions on Image Processing，IEEE Transactions on Multimedia等国际权威学术期刊上发表SCI检索论文9篇，在权威学术会议上发表论文7篇，申请专利3项。代表性成果有：.1. 对网络媒体中海量数据进行人脸采集，建立多种族且年龄及性别分布均匀的人脸老化数据库，改善了现有人脸老化数据不足的问题。.2. 提出了基于纹理嵌入判别图模型的与年龄无关的人脸识别方法：不同于以往的方法仅利用面部的纹理信息进行身份识别，该方法通过一组特定的人脸标记点建立人脸图模型，其中边和节点分别代表人脸的几何结构以及标记点周围区域的对年龄变化鲁棒的纹理特征，通过图匹配的方法度量人脸之间的相似性进而实现身份识别。该模型不仅运用人脸关键区域的纹理信息，也充分利用了几何结构信息，识别准确率有较大提升。.3. 提出了基于隐含变量分析与稀疏表示的人脸老化模拟方法：采用子空间分析的方法从收集的网络媒体数据图像中分别提取出人脸中相对稳定的身份信息以及随时间逐渐变化的年龄特征，并只对年龄空间进行变换从而添加与目标年龄相符的形状及纹理信息，改变人脸的表观年龄。该方法既保持老化模拟过程中身份信息不会发生改变，还得到符合目标年龄的老化效果。.4. 提出了基于张量填充的人脸老化模拟方法：考虑到身份相似度较高以及年龄相近的训练图片对人脸老化图片影响更大，因此将训练集的图片依次按照身份、年龄和像素构建人脸张量空间，将老化模拟问题转化为张量空间矩阵中缺失数据拟合的问题。其中，利用多维线性嵌入的方式对身份和年龄相近的图片赋予较高权重以加强合成结果的身份信息和年龄特质。.本项目按计划完成了相关研究内容，设计出可以应用于实际场景的人脸老化模拟和年龄估计算法及系统，并实现年龄无关的人脸识别，完成了论文发表和专利申请，期间共培养(毕业)博士生 4 名，硕士生 6 名，在读博士生 4名。