[论文解读] Facial age estimation using BSIF and LBP

Salah Eddine Bekhouche, Abdelkrim Ouafi+3 more|arXiv (Cornell University)|Jan 8, 2016

Face recognition and analysis参考文献 12被引用 15

一句话总结

本文提出了一种基于二值化统计图像特征（BSIF）和局部二值模式（LBP）直方图作为支持向量回归（SVR）与核岭回归（KRR）输入的面部年龄估计方法。在FG-NET和PAL数据集上的评估显示，该方法在性能上达到当前最先进水平，尤其在完整的PAL数据库上表现更优，相较于现有方法展现出更高的年龄预测准确性。

ABSTRACT

Human face aging is irreversible process causing changes in human face characteristics such us hair whitening, muscles drop and wrinkles. Due to the importance of human face aging in biometrics systems, age estimation became an attractive area for researchers. This paper presents a novel method to estimate the age from face images, using binarized statistical image features (BSIF) and local binary patterns (LBP)histograms as features performed by support vector regression (SVR) and kernel ridge regression (KRR). We applied our method on FG-NET and PAL datasets. Our proposed method has shown superiority to that of the state-of-the-art methods when using the whole PAL database.

研究动机与目标

• 解决生物识别系统中准确面部年龄估计的挑战。
• 通过结合BSIF与LBP特征以增强纹理表征，提升年龄估计性能。
• 在标准基准数据集FG-NET和PAL上评估所提出方法。
• 证明该方法在年龄估计准确性方面优于现有最先进方法。

提出的方法

• 该方法从面部图像中提取BSIF特征，以捕捉全局纹理模式。
• 计算LBP直方图，以建模面部区域中的局部纹理变化。
• 将合并后的BSIF与LBP特征输入支持向量回归（SVR）和核岭回归（KRR）进行年龄预测。
• 通过特征拼接整合全局与局部纹理信息，以提升回归性能。
• 该方法利用BSIF与LBP的判别能力，实现稳健的年龄估计。

实验结果

研究问题

• RQ1 BSIF与LBP特征的融合是否能提升面部年龄估计的准确性？
• RQ2 所提出方法在标准面部年龄估计数据集上与最先进方法相比表现如何？
• RQ3 将SVR与KRR结合使用BSIF-LBP特征，是否能获得优于单一方法的回归性能？
• RQ4 所提出方法在PAL与FG-NET数据集中对多样的面部外观和老化模式是否具有鲁棒性？

主要发现

• 所提出方法在完整的PAL数据库上达到最先进性能，优于现有方法。
• BSIF与LBP特征的结合显著提升了年龄估计的准确性，相较于单独使用任一特征均有明显改善。
• 当应用于拼接后的BSIF-LBP特征时，支持向量回归（SVR）与核岭回归（KRR）均表现出优异结果。
• 该方法在FG-NET与PAL数据集上均展现出一致的性能，验证了其泛化能力。