Songzhu Gao, Tetsuya Takiguchi, Yasuo Ariki (Kobe University) IS1-48 Facial Age Estimation Based on KNN-SVR Regression and AAM Parameters 研究背景と目的 従来手法： Support Vector Machine(SVM )[Khoa Luu, 2009] 利点: SVMはマージン最大化基準を採用した識別手法であり、２次最 適化問題を解くことにより、最適な識別関数が得られる 欠点:線形回帰分析とモデル選択を用いる手法の精度は悪い 撮影環境にロバストでない問題などがあげられる 年齢推定とは バイオメトリクスの分野で最も難しいタスクの一つ 顔認証は経年変化に弱い 出入国審査や方不明者捜索支援ツールへの応用に期待されている 解決法 線形回帰分析ではない提案手法 非線形 Regression を採用 Age/Age group 入力画像 推定結果 提案システムの流れ AAM Model Shape vector： s Texture vector： g Basic vector： Ps , Pg Parameter vector: bs , bg Orthogonal matrix : Ws 特徴抽出 AAM 構築 Age features extraction facial characteristics Shape PCA Regression Combined PCA Feature regions quantification Age Information Texture PCA fitting K-Nearest Neighbor Support Vector Regression Age Span Model ・ ・ ・ Presetting: Training set Algorithm: For a query z, find its k-nearest neighbors Train an SVR regressor based on and use it to predict the age for z manual normalization 学習画像 Adaboost Face detection 特徴抽出 AAM Fitting Age features extraction テスト画像 Input Graph Vector Regression Output 評価実験 An Age Prototype for Women データセット:被験者10 人（100枚） 従来手法との比較評価実験により，提案手法である KNN-SVRによる年齢推定の有効性 Age Regression Age Progression まとめ・今後の課題 局所領域に着目し認識率が向上 kを最適化する 計算時間の短縮