Age Synthesis and Estimation via Faces: A Survey

ABSTRACT

Human age, as an important personal trait, can be directly inferred by distinct patterns emerging from the facial appearance. Derived from rapid advances in computer graphics and machine vision, computer-based age synthesis and estimation via faces have become particularly prevalent topics recently because of their explosively emerging real-world applications, such as forensic art, electronic customer relationship management, security control and surveillance monitoring, biometrics, entertainment, and cosmetology. Age synthesis is defined to rerender a face image aesthetically with natural aging and rejuvenating effects on the individual face. Age estimation is defined to label a face image automatically with the exact age (year) or the age group (year range) of the individual face. Because of their particularity and complexity, both problems are attractive yet challenging to computer-based application system designers. Large efforts from both academia and industry have been devoted in the last a few decades. In this paper, we survey the complete state-of-the-art techniques in the face image-based age synthesis and estimation topics. Existing models, popular algorithms, system performances, technical difficulties, popular face aging databases, evaluation protocols, and promising future directions are also provided with systematic discussions.

INTRODUCTION

ASimportant perceptible information related to indivi- a “window to the soul” , the human face conveys dual traits. The human traits displayed by facial attributes, such as personal identity, facial expression, gender, age, ethnic origin, and pose, have attracted much attention in the last several decades from both industry and academia since face image processing techniques yield extensive applications in graphics and computer vision fields , . There are two fundamental problems inspiring the development of these techniques. Face image synthesis: Render face images with customized single or mixed facial attributes (iden tity, expression, gender, age, ethnicity, pose, etc.).Face image analysis: Interpret face images in terms of facial attributes (identity, expression, gender, age, ethnicity, pose, etc.). Among them, face image-based age synthesis and estimation have become particularly interesting topics in recent years because of their emerging new applications. People have the ability, developed early in life, to determine age between 20 and 60 years and conceive aging appearance from theface with high accuracy, on average, with a group decision.

چکیده

سن انسانی، به عنوان یک ویژگی شخصی مهم، می تواند به طور مستقیم توسط الگوهای متمایز ظاهر می شود از ظاهر صورت. از پیشرفت های سریع گرافیک کامپیوتری و چشم انداز کامپیوتری، سنتز سن کامپیوتری و تخمین آن از طریق چهره ها به تازگی به دلیل برنامه های کاربردی دگرجنسگرا، مانند پزشکی قانونی، مدیریت ارتباط با مشتری، کنترل و نظارت امنیتی نظارت، بیومتریک، سرگرمی و لوازم آرایشی. سنتز طول عمر تعریف شده است که یک تصویر چهره زیبایی را با پیری طبیعی و اثرات خیره کننده بر روی صورت فرد بازنویسی می کند. تخمین سن برای تعیین یک تصویر چهره به طور خودکار با سن دقیق (سال) و یا گروه سنی (محدوده سال) چهره فرد مشخص می شود. به دلیل خاصیت و پیچیدگی آنها، هر دو مشکل جذاب هستند اما به طراحان سیستم های کاربردی مبتنی بر رایانه ها چالش برانگیزند. تلاش های بزرگی از سوی دانشگاه ها و صنعت در دهه های گذشته انجام شده است. در این مقاله، ما از تکنیک های کامل تکنولوژی پیشرفته در سنتز و محاسبه سنی مبتنی بر تصویر صورت می گیریم. مدل های موجود، الگوریتم های محبوب، عملکرد سیستم، مشکلات فنی، پایگاه داده های پیری پیرامون رایج، پروتکل های ارزیابی و مسیرهای آینده امیدوار کننده ها نیز با بحث های سیستماتیک ارائه شده است.

مقدمه

اطلاعات قابل توجه و قابل توجهی که مربوط به “پنجره به روح” فرد است، چهره انسان ویژگی های دوگانه را در بر می گیرد. صفات انسانی که از نظر ویژگی های صورت، مانند هویت شخصی، بیان چهره، جنسیت، سن، ریشه های نژادی و جنس نشان داده شده اند، در دهه های گذشته از صنعت و دانشگاه ها بسیار مورد توجه بوده اند، زیرا تکنیک های پردازش تصویر چهره کاربرد گسترده ای در گرافیک و میدان های دید در کامپیوتر،. دو مشکل اساسی وجود دارد که الهام بخش توسعه این تکنیک ها هستند. سنتز تصوير تصوير: تصاوير چهره را با ويژگي هاي سفارشی شده يکديگر يا مخلوط صورت (هويت، بيان، جنس، سن، قوميت، جنس، و غيره) تحليل نماييد. تصوير تصوير چهره: تصوير چهره را از لحاظ صفات صورت (هويت، بيان، جنسيت ، سن، قومیت، ظاهر و غیره). در میان آنها، سنتز و برآورد سن مبتنی بر تصویر، در سال های اخیر به دلیل برنامه های کاربردی جدید در حال ظهور آنها به ویژه موضوعات جالب تبدیل شده است. مردم توانایی زودرس در زندگی را دارند، سن آنها بین 20 تا 60 سال را تعیین می کنند و به نظر می رسد که ظاهر پیری از سطح پوست با دقت بالا به طور میانگین با تصمیم گروهی است.

Year: 2010

Publisher: IEEE

By : Yun Fu, Guodong Guo, and Thomas S. Huang