基于置信度驱动的年龄感知跨年龄人脸识别框架

《Big Data and Cognitive Computing》:Variant-Age Face Recognition Using the Haar Algorithm

【字体: 大 中 小 】 时间:2026年10月21日 来源:Big Data and Cognitive Computing 5.3

编辑推荐:

   摘要

  

摘要

跨年龄人脸识别仍然是一项挑战,因为人们的面部外貌会随时间发生显著变化,从而降低了传统识别系统的可靠性。所提出的框架引入了一种置信度驱动的年龄感知匹配策略,将人口统计过滤与自适应相似性融合相结合。该系统采用多阶段架构,包括:(1)通过Haar级联和AdaBoost分类器定位人脸以忽略非人脸区域;(2)融合基于PCA的分类与跨五个年龄组的面部特征分析以进行年龄检测;(3)实施基于置信度估计对年龄约束匹配与整体匹配进行加权的决策融合策略,以产生最终匹配结果。在FG-Net年龄数据集相对于基线PCA人脸识别的综合评估中,性能改进明显可见。所提出的方法在FG-Net上达到96.48%的总体准确率,而基线为93.66%;而在GIRAF数据集上,应用年龄过滤后准确率保持在97.35%,基线和所提出框架均如此;GIRAF数据集作为补充评估呈现,并未提供关于年龄过滤优势的确凿证据。F1分数评价指标在FG-Net上显著提高至0.9648,表明无论样本可用性如何,对个体的识别均具有鲁棒性。此外,年龄过滤的引入增加了处理时间,因为在身份匹配之前需要执行额外的年龄估计阶段。尽管如此,PCA表示大幅降低了原始22,500像素表示的维度,从而减少了后续匹配阶段的计算负担。因此,年龄引导方法降低了标准差(STD),显示出增强的稳定性、更低的年龄敏感性以及鲁棒性。我们提出的年龄感知人脸识别系统在身份认证应用中具有优势。此外,具有可解释置信度指标的决策过程是高效的,适用于在测试硬件配置下的近实时应用。然而,局限性在于数据集规模相对较小以及PCA对对齐和照明的敏感性。此外,不正确的离散年龄分类可能导致误导性的结果。未来工作将探索用现代基于深度学习的人脸和年龄估计方法替换Haar级联检测器和PCA,并在更大的年龄数据集如CACD上评估系统。所提出的框架表明,轻量级年龄感知识别可以在保持低计算复杂性的同时显著提高识别鲁棒性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号