[论文解读] Finding Missing Children: Aging Deep Face Features

Debayan Deb, Divyansh Aggarwal+1 more|arXiv (Cornell University)|Nov 18, 2019

Face recognition and analysis参考文献 43被引用 12

一句话总结

本文提出了一种新颖的年龄进展模块，可将任意商品化人脸识别匹配器的深层人脸特征进行年龄化处理，以提升失踪儿童的纵向人脸识别性能。通过学习在年龄相关变化下保持身份特征的转换，该方法在儿童至成人匹配任务中将排名-1识别准确率最高提升9.56%，显著提高了长期失踪儿童的寻回可能性。

ABSTRACT

Given a gallery of face images of missing children, state-of-the-art face recognition systems fall short in identifying a child (probe) recovered at a later age. We propose an age-progression module that can age-progress deep face features output by any commodity face matcher. For time lapses larger than 10 years (the missing child is found after 10 or more years), the proposed age-progression module improves the closed-set identification accuracy of FaceNet from 40% to 49.56% and CosFace from 56.88% to 61.25% on a child celebrity dataset, namely ITWCC. The proposed method also outperforms state-of-the-art approaches with a rank-1 identification rate from 94.91% to 95.91% on a public aging dataset, FG-NET, and from 99.50% to 99.58% on CACD-VS. These results suggest that aging face features enhances the ability to identify young children who are possible victims of child trafficking or abduction.

研究动机与目标

• 为解决长期时间跨度后识别失踪儿童的严峻挑战，此时人脸识别系统因面部年龄相关变化而失效。
• 提升商品化人脸识别匹配器在大年龄跨度下匹配儿童人脸的纵向性能。
• 开发一种即插即用的模块，对基础人脸识别匹配器无需微调即可实现深层特征的年龄化处理。
• 通过提升检索准确率，增强在儿童拐卖和绑架案件中的实际应用价值。

提出的方法

• 该方法引入一个可学习的年龄进展模块，将预训练人脸识别匹配器的深层特征转换，以模拟年龄变化的影响。
• 该模块在潜在特征空间中运行，保留身份信息的同时推进与年龄相关的属性，如面部结构、皮肤纹理和皱纹。
• 采用基于条件自编码器的架构，结合内容-身份损失和感知损失，以在年龄化过程中保持身份保真度。
• 年龄进展网络在非跨年龄人脸数据集上进行训练，使其无需探针端显式年龄标签即可在不同年龄范围内泛化。
• 解码器从变换后的特征生成年龄进展的人脸图像，用于提升画廊集中的匹配性能。
• 该方法与基础人脸识别匹配器无关，可无缝集成至FaceNet、CosFace及商用现成（COTS）系统等模型。

实验结果

研究问题

• RQ1 深层人脸特征能否被有效年龄化，以提升在失踪儿童案例中长期时间跨度下的人脸识别性能？
• RQ2 对儿童至成人匹配任务，年龄化处理人脸特征如何影响最先进人脸识别匹配器的排名-1识别准确率？
• RQ3 一个基于预训练特征的封装式模块能否优于端到端的年龄不变识别模型？
• RQ4 所提方法在真实世界大年龄跨度的失踪儿童案例中，对检索性能的提升程度如何？
• RQ5 该方法是否能在不重新训练的情况下，泛化至不同人脸识别匹配器和数据集？

主要发现

• 在ITWCC数据集上，该方法将FaceNet在超过10年时间跨度下的排名-1识别准确率从40.00%提升至49.56%。
• CosFace在ITWCC上的排名-1准确率从56.88%提升至61.25%，显著增强了长期儿童识别能力。
• 在FG-NET年龄数据集上，CosFace的排名-1准确率从94.91%提升至95.91%，优于先前最先进方法。
• 在一次真实世界案例研究中，CosFace结合年龄化模块将在校对中检索到的Carlina White的照片排在第268位，而未使用该模块时仅为第1,242位，显著缩小了搜索空间。
• 对于Richard Wayne Landers，该方法将他5岁时照片的检索排名从第23位提升至第1位，实现在最高排名成功识别。
• 该方法成功生成了逼真的年龄进展人脸图像，在保留身份特征的同时自然添加了皱纹、头部增大等年龄变化效果，经定性可视化验证有效。