基于判别模型的年龄不变人脸识别方法综述

人脸识别是一种利用人体面部特征进行身份验证的生物识别技术。但随着年龄的增长,人的面部轮廓以及纹理都会发生很大变化,从而给人脸识别带来了巨大挑战。因此,年龄不变人脸识别(age-invariant face recognition,AIFR)研究具有重要意义。介绍了判别方法的研究现状,包括传统判别方法以及基于深度学习的判别方法,并对优缺点进行梳理总结。梳理了年龄不变人脸识别技术领域内代表性数据集以及常用的评价指标,并将优秀算法的性能在常用数据集上进行了实验比较。对年龄不变人脸识别技术的发展趋势进行了展望。

基于身份-年龄共享特征的跨年龄人脸识别方法

从人脸特征中剔除年龄相关特征,获得纯粹的身份特征,是实现跨年龄人脸识别的重要手段;然而,主流的身份特征提取方法忽略了对身份-年龄共享特征的处理,导致提取到的身份特征不完整。为此,提出引入身份-年龄共享特征的新方法,将混合人脸特征解耦为纯年龄相关特征、纯身份相关特征以及身份-年龄共享特征,然后将纯身份相关特征和身份-年龄共享特征进行多维耦合,从而得到完整的身份特征,有效提高跨年龄人脸识别的准确率。在人脸老化基准数据集Age-DB30上本文方法的识别准确率达到了97.07%,在LFW数据集上达到了99.73%的识别准确率,证明了所提方法的有效性与先进性。