Artificial Intelligence

年齡估計算法實現分層方法（圖 10）。首先，將輸入片段分為三個年齡組： 18 歲以下，18-45 歲，45 歲以上。其次，將這一步的結果細分為七個較小的組，每個小組限制為一個十年。因此，多類別分類的問題被減至一組二進制「一對全部」分類器（BC）。然後，分類器會根據關聯的類別對圖像進行排名，並透過分析這些軼直方圖來取得最終決定。

這些 BC 通過使用兩級方法構建。如前所述，第一次轉移至自適應特徵空間後，使用具有 RBF 核心的支持向量機來分類圖像。

針對亮度特性輸入片段對輸入片段進行預處理，以便對齊並轉換為均勻的比例。此預處理步驟包含顔色-空間轉換和縮放，這兩項作業與性別辨識算法中使用的作業類似。計算每個顏色分量的特徵，並對它們進行組合以形成統一的特徵向量。

訓練和測試要求具備足夠大的顔色圖像數據庫。我們將最先進的 MORPH 和 FG-NET 圖像數據庫與我們自己從不同來源獲得的圖像數據庫結合在一起，包括 10,500 張人臉圖像。利用AadBoost 臉部偵測演算法自動偵測圖像中的臉孔。

共使用 7000 張圖像來訓練和測試第一階段的年齡分類演算法。利用 144 個自適應特徵建立了三個 BC。

第一階段的分類結果顯示，年輕臉孔的準確度為 82%，中年臉孔的準確度為 58%，老年臉孔的準確度為 92%。三個年齡組別的總體年齡分類準確度為 77.3%。

第二階段的 BC 的建構方式與第一階段相同 (如上所述)。圖 11 顯示建議的演算法第一階段的年齡估計視覺範例。