TWI514291B - 年齡估計方法 - Google Patents

年齡估計方法 Download PDF

Info

Publication number
TWI514291B
TWI514291B TW100121194A TW100121194A TWI514291B TW I514291 B TWI514291 B TW I514291B TW 100121194 A TW100121194 A TW 100121194A TW 100121194 A TW100121194 A TW 100121194A TW I514291 B TWI514291 B TW I514291B
Authority
TW
Taiwan
Prior art keywords
age
spatial frequency
intensity
image
image data
Prior art date
Application number
TW100121194A
Other languages
English (en)
Other versions
TW201209731A (en
Inventor
Kazuhiro Yamazaki
Akihiro Tada
Mariko Hayashi
Miho Ohata
Sakura Torii
Original Assignee
Pola Chem Ind Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pola Chem Ind Inc filed Critical Pola Chem Ind Inc
Publication of TW201209731A publication Critical patent/TW201209731A/zh
Application granted granted Critical
Publication of TWI514291B publication Critical patent/TWI514291B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

年齡估計方法
本發明係有關於年齡估計方法、年齡估計裝置及年齡估計程式、以及男女判別方法、男女判別裝置及男女判別程式。更具體而言，係有關於使用空間頻率之年齡估計方法、年齡估計裝置及年齡估計程式、以及使用空間頻率之男女判別方法、男女判別裝置及男女判別程式。
想要年輕的願望係不僅只有女性，而且是所有的人。用以實現之各種美容手段例如有美學、基礎化妝材料、化妝用化妝材料、特殊化妝、健康食品、或美容整形等。
年輕之客觀性程度中尤其關於臉者，換言之，實際年齡與「外表之印象年齡」的差距在美學或化妝材料等各種美容手段之效果的評估上，極為重要。
可是，例如為了評估美學或化妝材料之效果，在利用外表之印象年齡的情況，外表之印象年齡受到評估者間之個人差異或男女差異等的影響，存在評估無法得到重現性的課題。
高重現性地估計年齡之技術係以上述之美學或化妝材料等之各種美容手段之效果的評估為首，酒、香煙等之年齡確認或市場或防止犯罪之臉特性確認用的監視系統等廣泛的領域極受到期待的狀況。
在這種狀況下，作為這種技術，例如已知有在特徵量使用眼、口、鼻或下巴之大小、長度等的實測值或官能評估值的年齡估計方法(專利文獻1、2)。又，亦已知使用皺紋或鬆弛之得分的年齡估計方法(專利文獻3)。又，揭示從臉的構成要素或各部位的物理量(大小或距離)之年齡增加變化估計方法的技術(專利文獻4)。
近年來，不僅攝像機器的進步，還隨著影像處理或統計分析處理的進步，高速且高精度將臉影像輸入電腦後，識別年齡層、性別、臉特性，並推測人物之監視、識別系統的進展非常顯著。
作為這種技術，例如揭示使用屬於影像所具有之特徵量的邊緣化或二值化等之影像處理值的年齡估計系統(例如專利文獻5、6)、利用眼鼻或口等之特徵點的特徵量(位置、濃淡、皺紋的數量)的人物屬性估計技術(例如專利文獻7)、及以人之感覺年齡距離作為評估基準來選擇影像之尺寸壓縮方法與識別器的年齡估計技術(例如專利文獻8)等。又，揭示使用臉影像之特徵資訊(影像之各部位的濃淡資訊、部位的大小等)之類似度的年齡、性別判別技術(例如專利文獻11)。
另一方面，近年來，開發出著眼於空間頻率的技術，即著眼於影像之結構特性根據空間之週期性而變化的技術，並受到注意。例如，揭示藉由改變空間頻率之具有各種結構之皮膚的模擬影像製作方法(例如專利文獻9)。
本專利案申請人揭示一種評估技術，該技術係使用利用這種空間頻率的技術，進行化妝時之空間頻率的圖案分析，評估關於化妝所具有之「臉的立體感」的效果(例如專利文獻10)。
專利文獻
專利文獻1　特開平11-265443號公報
專利文獻2　特開2000-014661號公報
專利文獻3　特開2002-330943號公報
專利文獻4　特開2002-360544號公報
專利文獻5　特開2009-086901號公報
專利文獻6　特開2009-271885號公報
專利文獻7　特開2008-282089號公報
專利文獻8　特開2010-113526號公報
專利文獻9　特開2004-283357號公報
專利文獻10　特開2004-272849號公報
專利文獻11　特開2005-165447號公報
如專利文獻1、2及4的記載所示，根據臉之部位的大小或部位間之長度等的物理形狀估計年齡的方法，難以對各個對象者特定成為測量基準的位置，無法以充分高的精度估計年齡。
又，如專利文獻2所記載之使用官能評估值來估計年齡的方法係具有評估者間之個人差異的影響不小的問題。又，如專利文獻3所記載之使用皺紋或鬆弛的得分來估計年齡的方法係因為僅著眼於易發生鬆弛之特定的部位，所以難以估計包含比較年輕的人之廣大範圍的年代之對象者的年齡。又，如上述所示，具有部位之特定困難的問題。
專利文獻5、6所記載之技術係藉由整合根據複數個相異基準之年齡估計的結果，來提高年齡估計精度。又，專利文獻8所記載之技術係想根據知覺年齡距離之特定的評估基準得到接近人之感覺結果的估計值。又，關於專利文獻11之技術係想根據類似度之特定的指標使估計誤差變小。這些技術都是藉由設置複數種在年齡估計之計算所使用的基準，使估計誤差變小。
又，專利文獻7所記載之技術係欲根據固定的條件修正估計所使用之得分，是主要著眼於提高估計所使用之輸入資料之精度的技術。
如上述所示，以往，以在使用臉影像之年齡估計或男女判別所使用的特徵量而言，實際情況只限於臉之部位的大小或部位間的距離、表示皺紋之數量或狀態的得分、臉之部位的濃淡、或這些的加工值。又，在以往之年齡或性別的判定方法中，為了提高其估計精度，需要設置複數個用以特定臉之複數個部位的資訊處理或用以提高估計精度的基準。
因此，本發明之課題在於提供一種新穎的技術，該技術係在使用臉影像的年齡估計中，高精度且高重現性地估計年齡。又，本發明之課題在於提供一種新穎的技術，該技術係在使用臉影像的男女判別中，高精度且高重現性地判別男女性別。
本發明係有鑑於這種狀況而開發者，本案發明人等求得可高精度地估計年齡或判別男女性別的技術，並反覆致力研究努力的結果，發現在從臉影像資料所得之空間頻率的強度與年齡、或空間頻率的強度與性別之間具有高的相關關係。進而，本案發明人等對此等相關關係分析的結果，發現按每個空間頻帶，與年齡之估計或男女之判別相關之年齡增加構造或男女差異特性的各種資訊不均。於是，本案發明人等發現利用屬於與該年齡增加構造或男女差異特性之資訊密切相關的空間頻帶之空間頻率的強度，可高精度且高重現性地估計年齡(實際年齡或外表之印象年齡)及判別男女性別，以至於完成本發明。
即，本發明係如以下所示。
解決該課題之本發明係一種年齡估計方法，該年齡估計方法係包含根據從臉影像資料所得之空間頻率的強度與年齡的相關關係，從對象者的臉影像資料估計該對象者的年齡。
如後述之實施例所示，因為空間頻率的強度與年齡具有高的相關關係，所以可高精度且重現性佳地從對象者的臉影像資料估計該對象者的年齡。
在本發明之較佳的形態中，該相關關係是藉由數學式或模型表示，並包含藉由將從該對象者的臉影像資料所得之空間頻率的強度應用於該數學式或模型，而得到該對象者的估計年齡。
藉由使用表示相關關係的數學式或模型，而可使用電腦等來簡單地估計年齡。
在本發明之較佳的形態中，該年齡估計方法係包含以下的步驟：臉影像資料取得步驟，係取得對象者的臉影像資料；強度算出步驟，係自所取得之臉影像資料算出空間頻率的強度；及年齡算出步驟，係將該算出之空間頻率的強度應用於所預先準備之從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的數學式或模型，而算出該對象者的估計年齡。
在本發明之較佳的形態，該數學式係自多元迴歸分析所得之多元迴歸式或自PLS所得之預測式。
藉由使用多元迴歸式或預測式，可更高精度地得到對象者的估計年齡。
作為該臉影像資料，可使用臉的部位或全臉的影像資料。即，不論所利用之臉影像是部位或是全臉，都可高精度地估計年齡。
本發明係不論在實際年齡的估計或外表之印象年齡的估計(評估)，都可使用。在估計實際年齡時，可使用空間頻率之強度與實際年齡的相關關係，而在估計外表之印象年齡時，可使用空間頻率之強度與外表之印象年齡的相關關係。
在本發明之較佳的形態，使用彩色影像資料作為該臉影像資料，該空間頻率的強度係包含從複數個彩色頻道所算出之空間頻率之強度的組合。
藉由將按各彩色頻道所算出之空間頻率的強度加以組合後使用，與僅使用從黑白影像資料(亮度資料)所算出之空間頻率之強度的情況相比，可高精度地估計(評估)年齡，尤其是外表之印象年齡。
在本發明之較佳的形態，該空間頻率係屬於複數個相異的空間頻帶。
藉由使用屬於複數個相異之空間頻帶之空間頻率的強度，而可高精度地估計年齡。
在本發明之較佳的形態，該空間頻帶係50cycle/image-width以下的低頻帶及大於50cycle/image-width的高頻帶。
藉由將低頻帶及高頻帶之空間頻率的強度組合後使用，可將關於種類相異之年齡增加構造的資訊組合後利用，而可更高精度地估計年齡。
在使用相異之空間頻率的情況，那些空間頻率係以具有10cycle/image-width以上的差值較佳。藉此，可更有效地利用關於種類相異之年齡增加構造的資訊，而可更高精度地估計年齡。
在本發明之較佳的形態，該對象者係女性，該相關關係是從女性之全臉的影像資料所得之空間頻率的強度與年齡的相關關係，該空間頻率係包含屬於以下之各空間頻帶的至少4個空間頻率，
0~50cycle/image-width
50~100cycle/image-width
100~200cycle/image-width
200cycle/image-width以上。
因而，可高效率地使用具有關於女性所特有之年齡增加構造之資訊的空間頻帶，而可高精度地估計年齡。
在本發明之較佳的形態，該對象者係男性，該相關關係是從男性之全臉的影像資料所得之空間頻率的強度與年齡的相關關係，該空間頻率係包含屬於以下之各空間頻帶的至少4個空間頻率，
0~50cycle/image-width
50~100cycle/image-width
100~150cycle/image-width
150cycle/image-width以上。
因而，高效率地使用具有關於男性所特有之年齡增加構造之資訊的空間頻帶，而可高精度地估計年齡。
在本發明之較佳的形態，該相關關係是從唇的影像資料所得之空間頻率的強度與年齡的相關關係，該空間頻率係包含屬於以下之各空間頻帶的至少3個空間頻率，
0~40cycle/image-width
40~100cycle/image-width
100cycle/image-width以上。
因而，從唇之有限的部位，高效率地使用具有關於唇所特有之年齡增加構造之資訊的空間頻帶，而可高精度地估計年齡。
又，解決該課題的本發明係一種年齡估計裝置，而該年齡估計裝置係具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之年齡相關資料作比對，而算出該對象者的估計年齡。
本發明之年齡估計裝置係可從對象者的臉影像資料高精度地估計年齡。
又，解決該課題的本發明係一種年齡估計程式，係用以使電腦具有作為如下之手段的功能：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之年齡相關資料作比對，而算出該對象者的估計年齡。
本發明的年齡估計程式係使電腦從對象者的臉影像資料高精度地估計年齡。
解決該課題的本發明係一種男女判別方法，該男女判別方法係包含根據從臉影像資料所得之空間頻率的強度與性別的相關關係，從對象者的臉影像資料判別該對象者的男女性別。
如後述之實施例所示，因為空間頻率的強度與性別具有高的相關關係，所以可從對象者的臉影像資料高精度判別該對象者的男女性別。
在本發明之較佳的形態，該相關關係是藉由數學式或模型表示，並藉由將該對象者之臉影像資料之空間頻率的強度應用於該數學式或模型，而判別該對象者的男女性別。
藉由使用表示相關關係的數學式或模型，而可使用電腦等簡單地判別男女性別。
在本發明之較佳的形態，該數學式係利用判別分析所得之判別函數。
藉由使用判別函數，可更高精度地判別對象者的男女性別。
在本發明之較佳的形態，該空間頻率係屬於100~250cycle/image-width之空間頻帶。
藉由利用此頻帶之空間頻率的強度，可高效率地利用關於表示男女差異之構造的資訊，而高精度地判別男女性別。
在本發明之較佳的形態，該男女判別方法係包含以下的步驟：臉影像資料取得步驟，係取得臉影像資料；強度算出步驟，係自所取得之該臉影像資料算出空間頻率的強度；變數得到步驟，係將該算出之空間頻率的強度應用於所預先準備之從臉影像資料所得之表示空間頻率的強度與男女之分組變數之相關關係的判別函數，而得到男女的分組變數；及性別判別步驟，係根據所得之男女的分組變數，判別男女性別。
又，解決該課題的本發明係關於一種男女判別裝置，該男女判別裝置係具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料；及性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，而判別該對象者的男女性別。
本發明的男女判別裝置係可從對象者的臉影像資料高精度地判別男女性別。
又，解決該課題的本發明係一種男女判別程式，該男女判別程式係用以使電腦具有作為如下之手段的功能：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料；及性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，而判別該對象者的男女性別。
本發明的男女判別程式係使電腦從對象者的臉影像資料高精度地判別男女性別。
再者，解決該課題的本發明係一種年齡估計裝置，該年齡估計裝置係具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料、按男女別顯示從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的男性年齡相關資料及女性年齡相關資料；性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，而判別該對象者的男女性別；年齡相關資料選擇手段，係根據藉該性別判別手段所判別之性別，選擇男性年齡相關資料或女性年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與藉該相關資料選擇手段所選擇之相關資料作比對，而算出該對象者的估計年齡。
本發明的年齡估計裝置係因為因應於男女之判別結果，使用考慮到該性別之特徵性之年齡增加構造的相關資料來估計年齡，所以可極高精度地估計年齡。
依據本發明，可使用從臉影像資料所得之空間頻率，高精度且高重現性地估計年齡(實際年齡或外表之印象年齡)，或高精度且高重現性地判別男女性別。
又，若使用本發明之年齡估計技術或男女判別技術，可簡單地評估化妝或美學之效果或化妝材料等。
 [1]本發明之年齡估計方法
本發明係包含根據從臉影像資料所得之空間頻率之強度與年齡的相關關係，從對象者的臉影像資料估計該對象者之年齡的年齡估計方法。相關關係是以數學式或模型表示較佳。
作為數學式或模型，例如迴歸式或迴歸模型較佳，多元迴歸式或預測式更佳。
<實際年齡及外表之印象年齡的定義>
本發明所指的「年齡」包含實際年齡及外表之印象年齡。
該「實際年齡」係根據出生年月日所決定之年齡，這種實際年齡的估計技術係如上述所示，可供各種監視系統等廣泛的用途。
相對地，「外表之印象年齡」是根據第三者所客觀看到之感覺之印象的年齡，是以所看到之感覺看起來比實際年齡更年輕、或看起來更老為前提。外表之印象年齡的估計技術係有助於上述之各種美容性手段之效果的評估。又，亦有助於評估藉各種美容性手段之外表之印象年齡的變化。例如亦可應用於評估根據化妝之外表之印象年齡的變化。在外表之印象年齡，除了作為整體之外表的印象年齡以外，亦包含對特定之年齡增加現象設置比重之外表的印象年齡，例如對雀斑之狀態設置比重之「雀斑年齡」、對皺紋之狀態設置比重之「皺紋年齡」、對皮膚之膚紋設置比重之「膚紋年齡」等之外表的印象年齡。
<臉影像資料>
作為本發明所使用之對象者的臉影像資料，可使用全臉或臉之部位的影像資料。
在使用全臉之影像資料的情況，以使用頭髮部分除外的全臉資料更佳(參照第1圖)。藉此，可更高精度地估計年齡。關於此情況之該臉影像的大小，若考慮估計實際年齡或外表之印象年齡所需的解析度及用以空間頻率之強度的取樣定理，可在約30cm×30cm左右的範圍拍攝，該影像係以512×512像素以上的影像較佳。如後述，因為像素數與影像所含之空間頻帶的寬幅有關的緣故。
作為臉之部位的影像資料，可列舉唇、眼、鼻、額、頰、頸等的影像資料。其中，使用唇或頰的影像資料較佳。此乃因如後述之實施例所示，從唇的影像資料所得之空間頻率的強度與年齡的相關關係高，而可高精度地估計年齡的緣故。例如，在使用唇、眼、鼻等之部位的影像的情況，以使用該部位整體的影像較佳。又，在使用頰或額等之部位的影像的情況，以至少使用這些部位之約2cm×2cm之區域的影像較佳。藉此，可充分取得關於相異之年齡增加構造的資訊，而可高精度地估計年齡。又，在這些情況，影像資料的像素數係以256像素以上較佳，以512像素以上更佳。如後述，因為像素數與影像所含之空間頻帶的寬幅有關。
又，在本發明中，作為臉影像資料，亦可是黑白影像資料(亮度資料)，亦可是彩色影像資料，黑白影像資料或彩色影像資料均只要因應於目的或用途來選擇即可。例如，在抑制膚色或皮膚問題等所產生的影響之年齡估計的情況，以使用黑白影像資料較佳。
在使用彩色影像資料的情況，可將從RGB之彩色頻道資料中之任意頻道所得的資料單獨使用或加以組合來使用。又，亦可將從該資料變換後的黑白影像資料(亮度資料)進一步組合後來使用。例如，有效利用根據年齡增加之雀斑資訊，估計上述之「雀斑年齡」的情況，較佳可舉例使用彩色影像的B頻道資料。又，在欲去除雀斑資訊，對膚紋或皺紋等設置比重來估計年齡的情況，較佳可舉例不使用彩色影像的B頻道資料，而使用彩色影像的R頻道資料較佳。
又，藉由將按各彩色頻道所算出之空間頻率的強度加以組合後使用，與僅使用從黑白影像資料算出之空間頻率的強度的情況相比，可高精度地估計綜合之外表的印象年齡。又，將按各彩色頻道所算出之空間頻率的強度與從黑白影像資料所算出之空間頻率的強度加以組合後使用，這在高精度地估計綜合之外表之印象年齡的觀點亦較佳。根據這種觀點，作為所使用之彩色頻道而言，以包含R頻道及B頻道的組合較佳。又，亦以包含RGB全部之頻道的組合較佳。
「臉影像資料」的取得係可根據標準方法進行。例如，拍攝正面臉，利用數位相機等將其取入個人電腦，作為數位資訊即可。
<空間頻率的定義>
該「空間頻率」如已知所示，係具有空間週期之構造的性質，表示每單位長度所含之構造之重複的次數。在國際單位系統，雖然是每公尺的週期，但是在影像處理領域中係使用每毫米的線數。
又，作為空間頻率的單位，亦可使用平均影像長度的週期數(cycle/image-width)。
某影像所含之最大週期數是該影像長度所含之像素數(pixel、dot)的1/2。即，若是影像長度為512像素的影像，則空間頻帶為0~256cycle/image-width，若是影像長度為1024像素的影像，則空間頻帶為0~512cycle/image-width。
<空間頻率之強度的算出方法>
該「空間頻率的強度」係在各空間頻率的振幅值或功率(功率對數)。
要從該臉影像資料算出空間頻率的強度，只要根據一般的方法即可。在使用黑白影像資料的情況，例如利用市售的影像處理軟體(例如Adobe系統公司的Photoshop(登錄商標))CS3或Nano System公司的NanoHunter NS2K-Pro(登錄商標))，從該臉影像資料調整亮度資料(黑白影像資料)。關於調整後之該黑白影像資料或彩色影像資料，利用市售的影像分析軟體(例如Image Sense公司製的傅立葉相位分析程式或Digital being kids公司製的PopImaging)等進行FFT(Fast Fourier Transform：高速傅立葉轉換)，可算出屬於空間頻率之強度的振幅值或功率。在第2圖，作為空間頻率分析例，表示屬於對1024×1024像素的灰色影像進行FFT處理之結果的頻譜圖案。利用FFT處理算出0~1024/2之各空間頻率(單位：cycle/image-width)的強度(振幅值或功率)，自此得知臉影像所具有的空間頻率特性。
又，在彩色影像的情況，按各彩色頻道算出空間頻率的強度。
本發明之大優點在於可易於得到從對象者的臉影像資料估計年齡所需的數值資料(空間頻率的強度(功率頻譜))。即，在以往的技術，為了算出估計年齡所需之各部位的大小或部位間的距離，必須按對象者的每一臉影像資料詳細特定既定位置，在此特定不正確的情況，會有估計精度降低的問題。可是，在本發明所使用之年齡估計所需之空間頻率的強度係可使用以往所使用之市面上的軟體簡單且定量地算出。
<年齡估計方法>
在本發明，利用上述的方法，根據從所預先分析之臉影像資料所得之空間頻率的強度與年齡的相關關係，從自應估計年齡之對象者的臉影像資料所得之空間頻率的強度，估計該對象者的年齡。
作為估計所使用之空間頻率的強度，雖然可使用任意之空間頻率的強度，但是從進行高精度估計的觀點，使用屬於複數個相異之空間頻帶的空間頻率較佳。本發明之較佳的實施形態中，該空間頻帶是50cycle/image-width以下的低頻帶及大於50cycle/image-width的高頻帶。在更佳的形態，該高頻帶可分成50~100cycle/image-width的中間頻帶及大於100cycle/image-width的高頻帶。
藉由使用頻帶相異之空間頻率的強度，可將存在於各頻帶之相異之年齡增加構造的相關資訊組合後利用，而可綜合地估計年齡。
又，在此情況，複數個空間頻率係以具有10cycle/image-width以上的差較佳，具有20cycle/image-width以上的差更佳。因而，可更有效地利用關於相異之年齡增加構造的資訊。
從臉影像資料所得之空間頻率的強度與年齡的相關關係可預先利用迴歸分析等之多變量分析求得。
以下，以欲從自臉影像資料所得之空間頻率的強度估計外表之印象年齡的情況為例，詳述求得該相關關係的方法。
(1)外表之印象年齡的評估
為了得到從臉影像資料所得之表示空間頻率的強度與外表之印象年齡的相關關係之數學式或模型，評估者對複數個人物以目視評估外表之印象年齡。
作為評估的人物數，係至少50人以上，以100人以上較佳，以500人以上更佳。又，以按照各年代別為同程度的人數分布較佳。
關於外表之印象年齡，因為本人的評估與第三者的評估以存有差距的情況居多，所以評估者較佳為第三者。評估該外表之印象年齡之評估者的選定，就選擇適合代表第三者之評估者的觀點考量較佳，考慮評估者之個人差異、男女差異、年齡差異、嗜好性、進而重現性等各種問題甚為重要。較佳可列舉例如在美容領域具有評估等經驗或專業性的評估者。作為評估者的人數，以複數位較佳，具體而言，約5至10位。藉由對複數位評估者的評估結果進行統計處理，可算出例如去除異常值的平均值或中央值等，作為各人物之客觀之外表的印象年齡。
進而，為了改善評估的重現性，就評估基準而言，以使用基準相片等更佳，例如，以預先製作按照間隔5至10歲之年代別的標準相片，再判定與屬於該基準之標準相片的年齡差異、或者提示實際年齡，評估其差值較佳。在第3圖，表示20至80歲之間隔10歲的臉影像之按年代別之標準相片的一例。愈往右，年代愈高。作為製作標準相片的方法，列舉藉由臉識別的專家，從按照年代別之臉相片資料庫選擇標準相片的方法，或利用形變(morphing)軟體處理按年代別之複數張相片並製作平均臉影像的方法等。任一種方法的情況，都在該技術領域，若成為製作之基礎的母集團為約100，可當作具有某程度之可靠性的基準相片，若母集團超過1000，可當作具有充分之高可靠性的基準相片。
雖然人物之外表之印象年齡的評估亦可直接面對該人物來評估，但是如後述所示以使用拍攝人物的臉影像評估較佳。如第1圖所示，這是因為可排除表情、髪型或背景、或者膚色或皮膚問題等所造成之降低評估精度的影響之緣故。
(2)算出空間頻率之強度
接著，從已拍攝該複數位人物的臉影像資料算出空間頻率的強度。關於空間頻率之強度的算出，係如上述所示。在此所使用之臉影像係以與評估該外表之印象年齡時所使用之臉影像相同較佳。藉此，可更正確地求得空間頻率的強度與外表之印象年齡的相關關係。
(3)製作資料庫(DB)
為了求得該相關關係，製作將空間頻率的強度與外表之印象年齡賦予關聯的資料庫(DB)。
預先準備之用以製作表示外表之印象年齡與空間頻率之強度的關係之DB的製作係按照男女區別、人種區別製作較佳。又，以按各年代別為同程度之人數分布較佳。又，作為DB的人數，至少50人以上，以100人以上較佳，以500人以上更佳。作為DB的構造，例如若是矩陣形式(matrix)，可在列項目輸入人物，作為行項目，輸入依上述方式所算出之外表的印象年齡、自該臉影像資料所算出之空間頻率的強度。
又，亦可以兼具進行後述之實際年齡的估計或後述之男女判別所需的DB的方式，將臉影像所拍攝之人物的實際年齡、表示性別之男女的組變數加入行項目。
此DB亦可藉由在從新取得之對象者的臉影像資料估計外表之印象年齡後，追加空間頻率的強度與估計值，來更新。亦可因應於需要，如後述所示進行多變量分析，以更新數學式或模型。這是由於利用該更新而使估計精度提高的緣故。
這種DB的利用在實際年齡的估計也一樣。雖然在後述的第1及第2實施例將更詳細地表示，但是藉由該DB的利用，亦得知以下的事項。例如，若對所測量之空間頻率功率與年齡進行相關分析，而求得按照各空間頻率之年齡與功率的相關係數，則可特定相關係數高的空間頻帶，而得知極多量之關於年齡增加構造的資訊(年齡增加資訊)存在於此頻帶(第4圖：女性DB的相關分析，第5圖：男性DB的相關分析)。又，若對該空間頻率進行群集(cluster)分析(根據平均歐幾里德距離的Ward法)，空間頻帶與臉影像特徵的關係亦變得明確，並詳細得知各空間頻帶所含的年齡增加資訊。
對後述的實施例所製作之DB所含的空間頻率進行群集分析時，從樹狀圖(dendrogram)，以在0~50(cycle/image-width)顯示緊實感或鬆弛的資訊，在50~100(cycle/image-width)顯示大皺紋或臉線的資訊的方式，在各空間頻帶顯示年齡增加資訊的偏向性。因此，理解從這種各空間頻帶選擇空間頻率後組合，作為迴歸式或預測式的說明變數使用，藉此可高精度地估計年齡。
(4)製作數學式或模型
為了製作表示外表之印象年齡與空間頻率的強度之相關關係的數學式或模型，可利用該DB，對外表之印象年齡及空間頻率的強度進行多變量分析。作為多變量分析，較佳可利用目的變數與說明變數之關係者，可較佳地舉例表示判別分析、迴歸分析(MLR、PLS、PCR、logistic)。這些之中，特佳者為多元迴歸分析(MLR)、非線性迴歸分析(PLS：Partial Least Squares)。例如，若將空間頻率的強度作為說明變數，將外表之印象年齡作為目的變數，進行多元迴歸分析，可得到多元迴歸式。又，若同樣地進行PLS，可得到預測式(預測模型)。
又，為了得到高精度的數學式或模型，可適當地使用主成分分析、因子分析、數量化理論一類、數量化理論二類、多維尺度(multidimensional scale)法、監督式分群(supervised clustering)、神經網路、整體(ensemble)學習法等的多變量分析。其中較佳者為神經網路、判別分析及數量化理論一類。
這些多變量分析可使用免費軟體或市售軟體來進行。
作為依此方式所得之數學式或模型中的說明變數之空間頻率的強度，係以屬於複數個相異之空間頻帶之空間頻率的強度較佳。藉由使用屬於複數個相異之空間頻帶之空間頻率的強度，可高精度地估計年齡。在本發明之較佳實施形態中，該空間頻帶是50cycle/image-width以下的低頻帶及大於50cycle/image-width的高頻帶。在更佳的實施形態中，該高頻帶可分成50~100cycle/image-width的中間頻帶及大於100cycle/image-width的高頻帶。
藉由使用頻帶相異之空間頻率的強度，可將存在於各頻帶之相異的年齡增加資訊組合後利用，而可綜合高精度地估計年齡。
又，在此情況，複數個空間頻率較佳為具有10cycle/image-width以上的差，更佳為具有20cycle/image-width以上的差。藉此，可更有效地利用關於相異的年齡增加資訊。
為了更高精度地估計年齡，可按照男女別將使用之空間頻帶最佳化。在使用全臉之影像資料來估計女性年齡的情況，以使用屬於以下之各頻帶的至少4個空間頻率較佳。這些頻帶係如後述的實施例所示，對從多位人物所取得之資料進行群集分析後，按空間頻率功率之變化特性類似的各空間頻率加以分類，藉此方式來特定。
(女性年齡的估計)
0~50cycle/image-width
50~100cycle/image-width
100~200cycle/image-width
200cycle/image-width以上
另一方面，在使用全臉之影像資料來估計男性年齡的情況，以使用屬於以下之各頻帶的至少4個空間頻率較佳。
(男性年齡的估計)
0~50cycle/image-width
50~100cycle/image-width
100~150cycle/image-width
150cycle/image-width以上
比較兩者後得知，在女性年齡的估計，使用200cycle/image-width以上之特別高的空間頻率較佳，另一方面，在男性年齡的估計，未必要使用這種空間頻率。這是由於在女性，年齡增加資訊存在於高頻帶，另一方面，在男性，年齡增加資訊不太存在於高頻帶。
從這觀點，在女性年齡的估計所使用之空間頻帶的上限，能以約500cycle/image-width為大致標準，而在男性年齡的估計所使用之空間頻帶的上限，能以約200cycle/image-width為大致標準。
為了更高精度地估計年齡，可按照估計所使用之部位，改變所使用之空間頻帶。在使用唇之影像資料的情況，以使用屬於以下之各頻帶的至少3個空間頻率較佳。這些頻帶如後述的實施例所示，對從多位人物所取得之資料進行群集分析後，按空間頻率功率之變化特性類似的各空間頻率加以分類，藉此方式來特定。
(使用唇之年齡估計)
0~40cycle/image-width
40~100cycle/image-width
100cycle/image-width以上
在唇的情況，在240cycle/image-width以上的高頻帶，因為年齡增加資訊不太存在，所以未必要使用此頻帶。從這觀點，在從唇之影像資料估計年齡時之空間頻帶的上限，可將約240cycle/image-width設為標準。
至目前為止，雖然說明了求得空間頻率的強度與外表之印象年齡之相關關係的方法，但是在估計實際年齡的情況，可利用一樣的方法求得空間頻率之強度與實際年齡的相關關係。
(5)估計年齡
年齡(實際年齡或外表之印象年齡)的估計係藉由將對象者之臉影像資料之空間頻率的強度應用於利用上述的方法等所得之表示空間頻率之強度與年齡之相關關係的數學式或模型來進行。應用於數學式或模型係除了將數值代入數學式以外，還包含將數值與模型比對。
藉此，可得到年齡的估計值。
在第6圖表示使用本發明的空間頻率之年齡(實際年齡或外表之印象年齡)之估計方法的步驟例。即，在取得應估計年齡之對象者的臉影像資料後(臉影像資料取得步驟)，對該臉影像資料進行FFT處理，而算出空間頻率的強度(空間頻率算出步驟)。藉由將該對象者之空間頻率的強度(功率、振幅值)代入事先製成之表示「年齡與空間頻率之強度的關係」的數學式(迴歸式等)或模型(預測式)，而算出估計年齡(年齡算出步驟)。所算出之估計年齡可顯示於顯示器等(年齡顯示步驟)。又，亦可將在年齡算出步驟所算出之估計年齡連同空間頻率的強度一起追加(回授)至DB，而更新該數學式或模型。這是由於利用該更新而使估計精度提高的緣故。
[2]本發明之年齡估計裝置
本發明的估計裝置具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之年齡相關資料作比對，而算出該對象者的估計年齡。
本發明的估計裝置例如可以下述方式構成。以下的構成為例示，本發明未限定為實施形態的構成。第7圖係使用自臉影像所算出之空間頻率的強度，估計實際年齡或外表之印象年齡之估計裝置的硬體方塊圖，具有輸入部1、CPU(Central Processing Unit)2、ROM(Read Only Memory)3、RAM(Random Access Memory)4、記錄部5、操作部6及顯示部7。這些構件係經由匯流排相互連接。
該強度算出手段及該年齡算出手段係利用CPU2實現。又，該記憶手段係利用ROM3實現。
輸入部1是數位相機、數位式顯微鏡、數位攝影機或掃描器等用以輸入臉影像資料的裝置。CPU2根據ROM3所記憶之程式，執行灰色影像資料(亮度資料)的製作、藉FFT處理之空間頻率之強度的算出、及使用表示年齡(實際年齡或外表之印象年齡)與空間頻率之強度的關係之數學式或模型之估計年齡的算出等的處理。在ROM3，記憶在本發明之年齡估計裝置發揮功能上所需的程式、及年齡估計所需之各種數學式或模型(年齡相關資料)。在此，亦可另記憶製作數學式或模型所需的資料庫。在RAM4，暫時儲存使CPU2執行之OS(Operating System)程式或各種應用程式。記錄部5包含磁碟裝置等，作為RAM4的外部記憶使用。操作部6在輸入既定命令或者數學式或模型等之必要的資料時等***作。顯示部7只要是可顯示於年齡之估計結果等者即可，列舉例如利用CRT(Cathode Ray Tube)或液晶顯示器等的顯示裝置、喇叭等的聲音輸出裝置或列表機等。
[3]本發明之年齡估計程式
本發明之估計程式係使電腦、其他的裝置、機械等作用為：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之年齡相關資料作比對，而算出該對象者的估計年齡。又，本發明亦可將這種程式記憶於電腦等可讀取的記錄媒體。
[4]本發明的男女判別方法
本發明的男女判別方法係包含根據從臉影像資料所得之空間頻率的強度與性別的相關關係，從對象者的臉影像資料判別該對象者的男女性別。相關關係以數學式或模型表示較佳。作為數學式或模型，例如以判別函數較佳。
關於在本發明之男女判別方法所使用的臉影像資料及其取得方法、空間頻率之強度的定義及其算出方法，上述之年齡估計方法的說明保持原樣地適用。
在本發明，利用上述的方法，根據從臉影像資料所得之空間頻率的強度與性別的相關關係，從自應判別男女性別之對象者的臉影像資料所得之空間頻率的強度，判別該對象者的男女性別。
以使用於判別之空間頻率而言，可使用任意之空間頻率的強度。其中，尤以使用屬於100~250cycle/image-width之頻帶的空間頻率較佳，屬於150~200cycle/image-width之頻帶的空間頻率更佳。這如後述之第4實施例所示，由於此高頻帶之空間頻率之強度的差異充分說明男女差異。
從進行精度更高的判別的觀點，較佳為，除了該高頻帶外，還使用1~50cycle/image-width之低頻帶之空間頻率的強度。藉此，可加入未出現於高頻帶的男女差異。
從臉影像資料所得之空間頻率的強度與性別的相關關係，係可預先利用判別分析等之多變量分析來求得。
以下，以使用從全臉之影像資料所得之空間頻率的強度的情況為例，詳述求得該相關關係的方法。
(1)算出空間頻率之強度
從已拍攝複數位人物的臉影像資料算出空間頻率的強度。關於空間頻率之強度的算出，係如上述所示。
(2)製作資料庫(DB)
為了求得該相關關係，製作將空間頻率的強度與性別賦予關聯的資料庫(DB)。
預先準備之用以製作表示性別與空間頻率之強度的關係之DB係以按各年代別為同程度之人數分布較佳。又，作為DB的人數，至少50人以上，以100人以上較佳，以500人以上更佳。作為DB的構造，例如若是矩陣形式(matrix)，可在列項目輸入人物，在行項目輸入性別。性別係可作為男女之分組變數而輸入。藉此，能以判別函數表示相關關係。
又，亦可以兼具進行上述之年齡估計的DB的方式，將臉影像所拍攝之人物的實際年齡、外表之印象年齡加入行項目。
(3)製作數學式或模型
表示性別與空間頻率的強度之相關關係的數學式或模型，若將在該年齡估計的年齡替換成男女的分組變數，便可同樣地製作。即，只要利用對男女的分組變數與空間頻率的強度進行多變量分析所得之數學式即可。作為該多變量分析，因為在質上提供男女之群組的外在基準，故以判別分析或神經網路等較佳。本發明係如後述之第4實施例所示，具有作為判別函數的說明變數，不需要年齡，僅根據空間頻率就可高精度地判別男女之極實用的技術性特徵。
作為屬於依此方式所得之數學式或模型中的說明變數之空間頻率的強度，以使用屬於100~250cycle/image-width之頻帶之空間頻率的強度較佳，使用屬於150~200cycle/image-width之頻帶之空間頻率的強度更佳。藉此，可高精度地判別男女差異。再者，較佳為，除了該高頻帶，還使用1~50cycle/image-width之低頻帶之空間頻率的強度。藉此，可加入未出現於高頻帶的男女差異，而可進行更高精度的判別。
(4)男女性別的判別
男女性別的判別係藉由將對象者的臉影像資料之空間頻率的強度應用於表示依此方式所得之男女的分組變數與空間頻率的強度之相關關係的數學式或模型來進行。在應用時，除了將數值代入數學式以外，還包含將數值與模型作比對。
藉此，可算出男女的分組變數，而自分組變數可判別男女性別。
在本發明的男女判別方法，在取得應判別性別之對象者的臉影像資料後，對該臉影像資料進行FFT處理，而算出空間頻率的強度。藉由將該對象者之空間頻率的強度(功率、振幅值)代入所預先製作之表示「男女的分組變數與空間頻率之強度之關係」的數學式(判別函數)，而可得到男女的分組變數。根據所得之男女的分組變數，可判別男女性別。
[5]本發明之男女判別裝置
本發明的判別裝置具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料；及性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，而判別該對象者的男女性別。
本發明的判別裝置可與上述之本發明的年齡估計裝置同樣地構成。
[6]本發明之男女判別程式
本發明之判別程式係使電腦、其他的裝置、機械等作用為：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料；及性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，而判別該對象者的男女性別。又，本發明亦可將這種程式記憶於電腦等可讀取的記錄媒體。
[7]年齡估計裝置之其他的形態
如上述所示，本發明之年齡估計方法及男女判別方法都使用從臉影像資料所得之空間頻率的強度。
又，得知使用於年齡估計之年齡與空間頻率之強度的相關關係係在男女間相異。
因此，若在藉由本發明之男女判別方法判別男女後，根據其結果，按各性別選擇與最適合之空間頻率的強度的相關關係，實施本發明之年齡估計方法，可更高精度地估計年齡。
即，執行此方式的年齡估計裝置係具備：強度算出手段，係自對象者的臉影像資料算出空間頻率的強度；記憶手段，係記憶從臉影像資料所得之表示空間頻率的強度與性別之相關關係的性別相關資料、按照男女顯示從臉影像資料所得之空間頻率的強度與年齡之相關關係的男性年齡相關資料及女性年齡相關資料；性別判別手段，係將藉該強度算出手段所算出之空間頻率的強度與該記憶手段所記憶之性別相關資料作比對，來判別該對象者的男女性別；年齡相關資料選擇手段，係根據藉該性別判別手段所判別之性別，選擇男性年齡相關資料或女性年齡相關資料；及年齡算出手段，係將藉該強度算出手段所算出之空間頻率的強度與藉該相關資料選擇手段所選擇之相關資料作比對，而算出該對象者的估計年齡。
又，可亦提供使電腦發揮作為此等手段的程式。
雖然以下列舉實施例，以更詳細說明本發明，但是當然本發明不僅限定於這些實施例。
第1實施例 <1>估計女性的年齡 (1)製作「實際年齡、外表之印象年齡及空間頻率的強度」的女性DB
以140位女性(18~82歲，平均年齡49.01±17.02歲)為對象，使用數位相機，採集30cm×30cm之範圍的臉影像。使用Adobe系統公司的Photoshop(登錄商標)CS3對該影像進行亮度調整，得到1024×1024像素之灰色影像(參照第1圖)資料後，使用根據The MathWork公司製的MATLAB(登錄商標)之本公司製的空間頻率分析軟體，進行空間頻率分析(參照第2圖)。外表之印象年齡的評估係使用所預先製作之按年代別的標準相片(參照第3圖)，讓不具臉評估研究經驗之大學畢業第1年的新人9位(男性5位、女性4位)及臉評估研究專家5位(男性2位、女性3位)，評估該灰色影像之A4尺寸印刷品的年齡。作為外表之印象年齡，採用將所評估之年齡的最大值與最小值除外的平均值。依此方式，製作實際年齡、外表之印象年齡(新人評估、專家評估)及空間頻率之強度(功率、振幅值)的女性DB。
(2)女性DB的特徵分析
以女性DB為對象，使用SPSS公司製的PASW(登錄商標)Statistics17.0，進行相關分析及群集分析。自年齡(實際年齡或外表之印象年齡)與空間頻率的強度之Pearson的相關係數(兩側)(參照第4圖)，得知在90~360(cycle/image-width)的寬頻帶(相關係數>0.60)，存在極高的年齡增加資訊。又，對全部的空間頻率，從利用群集分析所得之樹狀圖(dendrogram)，將強度之變化特性類似的空間頻率分類時，分類成以下之4個空間頻帶。使各頻帶之空間頻率的強度增減以改變臉影像，藉此，分析存在於各頻帶的年齡增加資訊時，在0~50(cycle/image-width)顯示緊實感或鬆弛，在50~100(cycle/image-width)顯示大皺紋或臉線，在100~200(cycle/image-width)顯示小皺紋等，進而在200~512(cycle/image-width)顯示皮膚表面的質感或光澤感等，按各空間頻帶顯示年齡增加構造資訊的偏向性。又，因為該偏向性在別的DB群亦常顯示，所以得知如此顯示之4個空間頻帶可定義為各自具有連續性的頻帶群。又，得知藉由從各空間頻率群選擇適當的頻率或進行其組合，可期待年齡等之估計精度的進一步提高。
(3)製作表示「實際年齡及外表之印象年齡與空間頻率的強度的關係」的數學式
以該女性DB為對象，將實際年齡及外表之印象年齡設為目的變數，將空間頻率(f)設為說明變數，使用SPSS公司製的SPSS(登錄商標)15.0J，進行多元迴歸分析(逐步法)。以下表示作為其結果之估計實際年齡及外表之印象年齡(新人評估)之多元迴歸式的例子之第(1)式及第(2)式。在第(2)式，8個說明變數係自4個空間頻帶群選擇，自此得知藉由從各空間頻帶群選擇適當的頻率，可良好地估計年齡。在第8圖，表示根據第(2)式所估計之外表之印象年齡(新人評估)與其估計年齡(Predicted Value)的相關關係(校正曲線)。又，亦得知在將外表之印象年齡的評估者從新人變更成專家的情況，提高至估計式之多重相關係數(R)=0.937，可更高精度地估計外表之印象年齡。
<實際年齡估計值>=f132×84.220+f38×(-52.441)+f155×48.123+f3×(-18.802)+f102×46.773-124.562…(1)
多重相關係數(R)=0.863
※f132、f38、f155、f3、f102係各空間頻率的功率對數值
<外表之印象年齡估計值(新人評估)>=f3×(-16.407)+f35×(-42.423)+f36×(-37.139)+f43×43.577+f53×14.451+f132×96.466+f142×65.208+f242×19.649-198.272…(2)
多重相關係數(R)=0.881
※f3、f35、f36、f43、f53、f132、f142、f242係各空間頻率的功率對數值
(4)估計實際年齡及外表之印象年齡
得到應估計之8位女性被實驗者(對象者)(平均年齡43.1歲)之臉影像之空間頻率的強度後，使用在上述所算出之多重迴歸式第(1)式及第(2)式，估計實際年齡及外表之印象年齡(新人評估)。又，另外關於使用根據專家之外表之印象年齡的情況，亦同樣地算出迴歸式來進行估計。將結果顯示於表1(誤差=估計年齡-(實際年齡或外表之印象年齡))。自表1得知實際年齡及外表之印象年齡都可高精度地估計。又，得知外表之印象年齡估計的多重迴歸式在精度上較佳，在使用根據專家之外表之印象年齡的情況在精度上更佳。
第2實施例 <2>估計男性的年齡
在第1實施例中，將女性換成男性，進行同樣的檢討，而製作男性DB，並製作該DB之特徵分析及表示「實際年齡與空間頻率之強度的關係」之數學式。
(1)製作「實際年齡及空間頻率之強度」的男性DB
以139位女性(19~84歲，平均年齡51.51±17.83歲)為對象，根據與第1實施例同樣的方法，製作實際年齡與空間頻率之強度(功率、振幅值)的DB。
(2)男性DB的特徵分析
以該男性DB為對象，利用同樣的方法進行相關分析及群集分析。自實際年齡與空間頻率的強度之Pearson的相關係數(兩側)(參照第5圖)，得知在60~240(cycle/image-width)的頻帶(相關係數>0.60)，存在極高的年齡增加資訊。從樹狀圖的分析，與女性DB同樣在各空間頻帶顯示年齡增加構造資訊的偏向性。若比較男女之各DB，認為有如第4圖及第5圖所示的差異。即，關於低~中間頻帶(20~100cycle/image-width)的差異，係因男性的緊實或鬆弛等之激烈的年齡增加變化比女性顯著的緣故，關於高頻帶(200cycle/image-width)的差異，男性係與年齡無關，推測這是由於皮膚表面的質感(粗糙感、膚紋的細膩性)比女性更差，而年齡增加變化難以顯現的緣故。
即，在男性的情況，得知約0~200cycle/image-width之頻帶的使用對年齡的估計係有效。又，與女性DB的分析同樣，從樹狀圖的分析，得知在0~50cycle/image-width、50~100cycle/image-width、100~150cycle/image-width、150cycle/image-width以上的頻帶存在相異的年齡增加資訊。
(3)製作表示「實際年齡與空間頻率之強度的關係」的數學式
以第2實施例之男性DB為對象，將實際年齡設為目的變數，將空間頻率(f)設為說明變數，使用SPSS公司製的SPSS(登錄商標)15.0J，進行多元迴歸分析(逐步法)。以下表示屬於其結果之估計實際年齡之多元迴歸式的例子之第(3)式。
<實際年齡估計值>=f135×80.839+f5×(-23.510)+f3×(-10.595)+f105×64.765-164.187…(3)
多重相關係數(R)=0.794
※f135、f5、f3、f105係各空間頻率的功率對數值
(4)實際年齡的估計
與女性年齡估計方法一樣，在從應估計之5位男性被實驗者(對象者)(平均年齡40.8歲)的臉影像資料得到空間頻率的強度後，使用在上述所算出之多元迴歸式第(3)式，估計實際年齡。將結果顯示於表2(誤差=估計年齡-(實際年齡)。自表2得知可高精度地估計實際年齡。
第3實施例 <3>對外表之印象年齡的化妝效果
檢討本發明之藉化妝之對外表之印象年齡的影響。即，以2位女性(50歲、62歲)為對象，對素顏與化妝臉進行第1實施例的處理，而算出空間頻率後，應用外表之印象年齡估計用的多元迴歸式第(2)式，對素顏與化妝臉算出外表之印象年齡。以素顏為基準求得化妝臉的年齡誤差時，結果得到在50歲的女性為+0.7歲，幾乎無變化，而在62歲的女性(參照第9圖)為-9.8歲，看起來年輕很多，得知係與第三者評估亦一致的定量性技術。此外，因為評估灰色影像所產生的化妝效果，所以未反映化妝材料所造成之色調或色度效果，但是從在多元迴歸式第(2)式之說明變數之加權的變化，亦可定量地推測化妝材料對年齡增加構造的影響。
第4實施例 <4>男女性別的判別(判別式與判別分析結果)
以第1實施例之女性DB(N=140)與第2實施例之男性DB(N=139)為對象，與第1實施例同樣地採集影像，進行影像處理，及得到空間頻率的強度。將男女之分組變數的項目追加至DB，使用SPSS公司製的PASW(登錄商標)Statistics17.0，進行判別分析。在以下顯示所得之判別函數(判別式第(4)式)與判別結果(表3、第10圖)。自表3及第10圖，得知男女判別的精度高達90%以上。又，雖然判別式第(4)式之f173之功率對數值的貢獻最大，但是這如上述所示，係基於年齡增加所造成之皮膚表面之質感的變化之男女差異(參照第4圖、第5圖)，得知在男女性別的判別中，皮膚之質感比臉的造形變化(皺紋、鬆弛)重要。又，從這件事，可推測作為使用於男女判別之臉影像資料，除了全臉以外，頰、額、鼻等亦適合。
<線性判別函數>=f3×1.564+f6×3.340+f7×3.141+f41×0.669+f173×(-8.400)-8.895…(4)
正準相關係數(R)=0.811
※f3、f6、f7、f41、f173係各空間頻率的功率對數值
第5實施例 (5)使用彩色影像來估計年齡 (1)製作「實際年齡及空間頻率之強度」的DB
以140位女性(18~82歲，平均年齡49.01±17.02歲)為對象，使用數位相機，採集30cm×30cm之範圍的彩色影像。對1024×1024像素的彩色影像，使用根據The MathWork公司製的MATLAB(登錄商標)之該公司製的空間頻率分析軟體，進行空間頻率分析。接著，製作實際年齡及空間頻率之強度的女性DB。
(2)女性DB的特徵分析
以該女性DB為對象，使用SPSS公司製的PASW(登錄商標)Statistics17.0，進行相關分析。結果，在B頻道與R頻道的相關係數看到與從黑白影像資料所得之空間頻率之相關係數相異的傾向。即，在B頻道，在50~150cycle/image-width的頻帶，有相關係數高的傾向。又，在R頻道，在0~50cycle/image-width的頻帶，有相關係數高的傾向。
使此等各頻道之該頻帶的功率值改變以使影像改變時，得知在B頻道之該區域存在關於雀斑的資訊。
(3)製作表示「實際年齡與空間頻率之強度的關係」的數學式
以該DB為對象，將實際年齡設為目的變數，將空間頻率(f)設為說明變數，使用PASW(登錄商標)Statistics17.0.3，進行多元迴歸分析(逐步法)，而得到多元迴歸式。
結果，屬於B頻道之100~150cycle/image-width之空間頻率的強度具有最高的相關係數。從全部之RGB頻道將空間頻率的強度選作為說明變數。
在第11圖，表示利用所得的多元迴歸式所估計之實際年齡與估計年齡(Predicted Value)的相關關係(校正曲線)。多重相關係數(R)是0.94，得知能以極高精度估計實際年齡。
第6實施例 <6>利用唇影像來估計年齡 (1)製作「實際年齡及空間頻率之強度」的DB
以140位女性(18~82歲，平均年齡49.01±17.02歲)為對象，使用數位相機，採集臉影像。施加用以從該臉影像抽出唇部位的罩層，製作1024×1024像素的分析用彩色影像。對從該彩色影像所得之RGB頻道的各影像資料、及亮度變換後之黑白影像資料之共4個影像資料，使用根據The MathWork公司製的MATLAB(登錄商標)之該公司製的空間頻率分析軟體，進行空間頻率分析。接著，製作實際年齡及空間頻率之強度(功率、振幅值)的DB。
(2)DB的特徵分析
以該DB為對象，使用SPSS公司製的PASW(登錄商標)Statistics17.0，進行相關分析。結果，在B頻道的相關係數看到與從黑白影像資料所得之空間頻率之相關係數相異的傾向。即，在整體上相關高之170~180cycle/image-width附近，B頻道之相關係數特別高。藉此，得知B頻道之150~200cycle/image-width的頻帶包含唇之主要的年齡增加資訊。
又，對黑白影像的空間頻率進行群集分析。條件採用Ward法、平方歐幾里德距離、Z得分(按照變數)。結果，分類成0~40cycle/image-width、40~100cycle/image-width、100~240cycle/image-width、及240~512cycle/image-width之4個區域。藉由使存在於各頻帶的年齡增加資訊增減以使臉影像改變，來分析存在於各頻帶的年齡增加資訊時，得知在240~512cycle/image-width，年齡增加資訊不太存在。
(3)製作表示「實際年齡與空間頻率之強度的關係」的數學式
以該DB為對象，將實際年齡設為目的變數，將空間頻率(f)設為說明變數，使用PASW(登錄商標)Statistics17.0.3，進行多元迴歸分析(逐步法)，而得到多元迴歸式。
結果，將屬於R頻道與B頻道之1~200cycle/image-width之複數個空間頻率的強度選為說明變數。其中，屬於B頻道之170~180cycle/image-width之空間頻率的強度具有最高的相關係數。
在第12圖，表示利用所得的多元迴歸式所估計之實際年齡與估計年齡(Predicted Value)的相關關係(校正曲線)。多重相關係數(R)是0.848，得知能以高精度估計實際年齡。
第7實施例 <7>利用頰影像來估計年齡 (1)製作「實際年齡及空間頻率之強度」的DB
以140位女性(18~82歲，平均年齡49.01±17.02歲)為對象，使用數位相機，採集臉影像(參照第1圖)。施加用以從該臉影像抽出頰部位的罩層，製作1024×1024像素的分析用彩色影像資料。對RGB頻道的各影像資料、及亮度變換後之黑白影像資料的共4個影像資料，使用根據The MathWork公司製的MATLAB(登錄商標)之該公司製的空間頻率分析軟體，進行空間頻率分析。接著，製作實際年齡及空間頻率之強度的DB。
(2)製作表示「實際年齡與空間頻率之強度的關係」的數學式
以該DB為對象，將實際年齡設為目的變數，將空間頻率(f)設為說明變數，使用PASW(登錄商標)Statistics17.0，進行多元迴歸分析(逐步法)，而得到多元迴歸式。結果，將屬於RGB頻道之1~200cycle/image-width之複數個空間頻率的強度選作為說明變數。其中，屬於B頻道之150~170cycle/image-width之空間頻率的強度具有最高的相關係數。
在第13圖，表示利用所得的多元迴歸式所估計之實際年齡與估計年齡(Predicted Value)的相關關係(校正曲線)。多重相關係數(R)是0.846，得知能以高精度估計實際年齡。
從第6及第7實施例的結果，表示即便使用唇或頰等之臉的部位，亦可高精度地估計年齡。亦表示雖然年齡增加資訊所存在的空間頻帶係根據部位而改變，但是藉由進行相關分析，可特定其頻帶。因而，得知使用藉由年齡增加而可變化之臉的任意部位，可估計年齡。
[產業上之可利用性]
本發明之年齡估計技術可應用於美學、護膚、化妝、健康食品乃至美容整形等之效果的評估，或使用其評估結果的建議或諮詢。又，年齡估計或男女判別之技術可廣泛利用作為酒、香煙等之監視系統或市場資訊。
1．．．輸入部
2．．．CPU
3．．．ROM
4．．．RAM
5．．．記錄部
6．．．操作部
7．．．顯示部
第1圖係1024×1024像素之灰色臉影像(取代圖面用的相片)。
第2圖係表示臉影像之空間頻率的頻譜圖案(空間頻率vs功率對數)的圖。
第3圖係在外表之印象年齡的評估所使用之臉影像之按照年代別的標準相片之例子的圖(取代圖面用的相片)。
第4圖係按照空間頻率之表示空間頻率功率對數與女性實際年齡之相關係數的圖。
第5圖係按照空間頻率之表示空間頻率功率對數與男性實際年齡之相關係數的圖。
第6圖係表示外表之印象年齡的估計方法之步驟的圖。
第7圖係外表之印象年齡之估計裝置的硬體方塊圖。
第8圖係表示在第1實施例所得之第三者之外表的印象年齡與根據本發明之方法所得的估計年齡之相關關係的圖(校正曲線)。
第9圖係是第3實施例所得之62歲女性的素顏(右)與上妝臉(左)之各灰色影像(取代圖面用的相片)。
第10圖係表示在第4實施例所得之男女判別的線性判別函數之得分直方圖(histogram)。
第11圖係表示在第5實施例所得之實際年齡與根據本發明之方法所得的估計年齡之相關關係的圖(校正曲線)。
第12圖係表示在第6實施例所得之實際年齡與根據本發明之方法所得的估計年齡之相關關係的圖(校正曲線)。
第13圖係表示在第7實施例所得之實際年齡與根據本發明之方法所得的估計年齡之相關關係的圖(校正曲線)。

Claims (12)

  1. 一種年齡估計方法，係包含根據從臉影像資料所得之空間頻率的強度與年齡的相關關係，從對象者的臉影像資料估計該對象者的年齡，該空間頻率係屬於複數個相異的空間頻帶。
  2. 如申請專利範圍第1項之年齡估計方法，其中該相關關係是藉由數學式或模型表示，並包含藉由將該對象者之臉影像資料之空間頻率的強度應用於該數學式或模型，而得到該對象者的估計年齡。
  3. 一種年齡估計方法，係包含：臉影像資料取得步驟，係取得對象者的臉影像資料；強度算出步驟，係自所取得之臉影像資料算出空間頻率的強度；及年齡算出步驟，係將該算出之空間頻率的強度應用於所預先準備之從臉影像資料所得之表示空間頻率的強度與年齡之相關關係的數學式或模型，而算出該對象者的估計年齡，該空間頻率係屬於複數個相異的空間頻帶。
  4. 如申請專利範圍第2或3項之年齡估計方法，其中該數學式係自多元迴歸分析所得之多元迴歸式或自PLS所得之預測式。
  5. 如申請專利範圍第1至3項中任一項的年齡估計方法，其中該臉影像資料係臉的部位或全臉的影像資料。
  6. 如申請專利範圍第1至3項中任一項的年齡估計方法，其中該年齡係實際年齡或外表之印象年齡。
  7. 如申請專利範圍第1至3項中任一項的年齡估計方法，其中該臉影像資料係彩色影像資料，該空間頻率的強度係包含從複數個彩色頻道所算出之空間頻率之強度的組合。
  8. 如申請專利範圍第1至3項中任一項之年齡估計方法，其中該空間頻帶係50cycle/image-width以下的低頻帶及大於50cycle/image-width的高頻帶。
  9. 如申請專利範圍第1至3項中任一項之年齡估計方法，其中屬於該空間頻帶的空間頻率係以具有10cycle/image-width以上的差值較佳。
  10. 如申請專利範圍第1至3項中任一項之年齡估計方法，其中該對象者係女性，該相關關係是從女性之全臉的影像資料所得之空間頻率的強度與年齡的相關關係，該空間頻率係包含屬於以下之各空間頻帶的至少4個空間頻率，0~50cycle/image-width 50~100cycle/image-width 100~200cycle/image-width 200cycle/image-width以上。
  11. 如申請專利範圍第1至3項中任一項之年齡估計方法，其中該對象者係男性，該相關關係是從男性之全臉的影像資料所得之空間頻率的強度與年齡的相關關 係，該空間頻率係包含屬於以下之各空間頻帶的至少4個空間頻率，0~50cycle/image-width 50~100cycle/image-width 100~150cycle/image-width 150cycle/image-width以上。
  12. 如申請專利範圍第1至3項中任一項之年齡估計方法，其中該相關關係是從唇的影像資料所得之空間頻率的強度與年齡的相關關係，該空間頻率係包含屬於以下之各空間頻帶的至少3個空間頻率，0~40cycle/image-width 40~100cycle/image-width 100cycle/image-width以上。
TW100121194A 2010-06-21 2011-06-17 年齡估計方法 TWI514291B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010140155 2010-06-21
JP2010252402 2010-11-11

Publications (2)

Publication Number Publication Date
TW201209731A TW201209731A (en) 2012-03-01
TWI514291B true TWI514291B (zh) 2015-12-21

Family

ID=45371249

Family Applications (1)

Application Number Title Priority Date Filing Date
TW100121194A TWI514291B (zh) 2010-06-21 2011-06-17 年齡估計方法

Country Status (7)

Country Link
US (1) US9189679B2 (zh)
JP (1) JP5827225B2 (zh)
CN (1) CN102870136B (zh)
AU (1) AU2011270457A1 (zh)
SG (1) SG186062A1 (zh)
TW (1) TWI514291B (zh)
WO (1) WO2011162050A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI832660B (zh) * 2023-01-06 2024-02-11 宏碁股份有限公司 計算視野指標正常分布的方法及裝置

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140122074A1 (en) * 2012-10-29 2014-05-01 Amit V. KARMARKAR Method and system of user-based jamming of media content by age category
TWI463955B (zh) * 2012-02-20 2014-12-11 Zong Jing Investment Inc Eye makeup device
TWI485635B (zh) * 2013-01-30 2015-05-21 Nat Univ Tainan 年齡評估系統與方法
JP6124295B2 (ja) * 2013-05-02 2017-05-10 日本メナード化粧品株式会社 素肌または化粧肌の質感評価方法
KR20150059394A (ko) * 2013-11-22 2015-06-01 (주)아모레퍼시픽 계량화 수단을 이용한 피부 나이 예측 장치 및 방법
CN103824053B (zh) * 2014-02-17 2018-02-02 北京旷视科技有限公司 一种人脸图像的性别标注方法及人脸性别检测方法
JP6230504B2 (ja) * 2014-08-07 2017-11-15 日本電信電話株式会社 画像処理装置、方法、及びプログラム
JP6359389B2 (ja) * 2014-09-02 2018-07-18 花王株式会社 唇の美的印象の評価方法及びその評価を支援する支援装置
DE102014226858A1 (de) * 2014-12-22 2016-06-23 Robert Bosch Gmbh Verfahren zum Betreiben einer aktivierbaren Sperrvorrichtung für eine Tür und/oder ein Fenster, Sicherungsvorrichtung für ein Fahrzeug, Fahrzeug
CN105279499B (zh) * 2015-10-30 2019-01-04 小米科技有限责任公司 年龄识别方法及装置
CA3015492C (en) 2016-03-21 2021-11-23 The Procter & Gamble Company Systems and methods for providing customized product recommendations
JP6727543B2 (ja) * 2016-04-01 2020-07-22 富士ゼロックス株式会社 画像パターン認識装置及びプログラム
CN107315987B (zh) * 2016-04-27 2021-11-09 伽蓝（集团）股份有限公司 评估面部表观年龄、面部衰老程度的方法及其应用
JP6731616B2 (ja) * 2016-06-10 2020-07-29 パナソニックＩｐマネジメント株式会社 バーチャルメイク装置、バーチャルメイク方法、およびバーチャルメイクプログラム
KR102308871B1 (ko) 2016-11-02 2021-10-05 삼성전자주식회사 객체의 속성에 기반하여 객체를 인식 및 트레이닝하는 방법 및 장치
US10511777B2 (en) 2016-11-08 2019-12-17 Thomas Nichols Personal care device with camera
US11122206B2 (en) 2016-11-08 2021-09-14 Preh Holding, Llc Personal care device with camera
TWM550619U (zh) * 2016-12-02 2017-10-21 Unlimiter Mfa Co Ltd 可依據臉部影像辨識結果取得聽力數據之電子裝置
US10621771B2 (en) 2017-03-21 2020-04-14 The Procter & Gamble Company Methods for age appearance simulation
US10614623B2 (en) 2017-03-21 2020-04-07 Canfield Scientific, Incorporated Methods and apparatuses for age appearance simulation
CN108804976A (zh) * 2017-04-27 2018-11-13 芜湖美的厨卫电器制造有限公司 浴室镜及其控制方法
KR102297301B1 (ko) 2017-05-31 2021-09-06 더 프록터 앤드 갬블 캄파니 겉보기 피부 나이를 결정하기 위한 시스템 및 방법
EP3635626A1 (en) 2017-05-31 2020-04-15 The Procter and Gamble Company System and method for guiding a user to take a selfie
US11321830B2 (en) * 2017-08-24 2022-05-03 Huawei Technologies Co., Ltd. Image detection method and apparatus and terminal
US11036285B2 (en) 2017-09-04 2021-06-15 Abhinav Aggarwal Systems and methods for mixed reality interactions with avatar
CN110175973A (zh) * 2018-02-11 2019-08-27 上海市刑事科学技术研究院 一种人软骨内色素的测定方法及其在法医学上的应用
CN108391602B (zh) * 2018-04-25 2023-06-06 中国农业科学院农业信息研究所 一种雏鸡性别识别***及其识别方法
CN108734127B (zh) * 2018-05-21 2021-01-05 深圳市梦网科技发展有限公司 年龄识别值调整方法、装置、设备及存储介质
CN109712085B (zh) * 2018-12-11 2021-05-25 维沃移动通信有限公司 一种图像处理方法及终端设备
TWI690856B (zh) * 2019-01-07 2020-04-11 國立交通大學 身分辨識系統及身分辨識方法
JP6983831B2 (ja) * 2019-03-26 2021-12-17 富士フイルム株式会社 弛み評価方法、弛み評価装置、及び弛み評価プログラム
USD1000624S1 (en) 2019-12-27 2023-10-03 Thomas Nichols Personal care device with camera
JP7520679B2 (ja) 2020-02-18 2024-07-23 ポーラ化成工業株式会社 いきいきとした顔の度合い推定方法、いきいきとした顔の度合い推定装置、及びいきいきとした顔の度合い推定プログラム
CN111626303B (zh) * 2020-05-29 2021-04-13 南京甄视智能科技有限公司 性别和年龄的识别方法、装置、存储介质及服务器
CN111967447A (zh) * 2020-09-07 2020-11-20 深圳安道客网络科技有限公司 一种局部皮肤图像分析方法
CN112672387B (zh) * 2020-12-21 2021-08-31 广西东信易联科技有限公司 一种根据用户数据自动切换网络模式的方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005148880A (ja) * 2003-11-12 2005-06-09 Advanced Telecommunication Research Institute International 年齢推定装置、年齢推定方法および年齢推定プログラム
TW200707313A (en) * 2005-03-18 2007-02-16 Koninkl Philips Electronics Nv Method of performing face recognition
CN101419671A (zh) * 2008-11-10 2009-04-29 北方工业大学 基于模糊支持向量机的人脸性别识别方法
CN101615248A (zh) * 2009-04-21 2009-12-30 华为技术有限公司 年龄估计方法、设备和人脸识别***

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3430944B2 (ja) 1997-12-15 2003-07-28 花王株式会社 印象の評価方法
JP2000014661A (ja) 1998-07-02 2000-01-18 Pola Chem Ind Inc 中年女性の顔の鑑別法
JP4575619B2 (ja) 2001-05-08 2010-11-04 ポーラ化成工業株式会社 実年齢の推定方法
JP4681760B2 (ja) 2001-06-06 2011-05-11 ポーラ化成工業株式会社 顔形状の加齢変化の推定法
US6850651B2 (en) * 2001-07-02 2005-02-01 Corel Corporation Moiré correction in images
US6950211B2 (en) * 2001-07-05 2005-09-27 Corel Corporation Fine moire correction in images
JP2004272849A (ja) 2003-03-12 2004-09-30 Pola Chem Ind Inc 化粧効果の鑑別法
JP4285037B2 (ja) 2003-03-20 2009-06-24 花王株式会社 肌のシミュレーション画像の形成方法
JP2005165447A (ja) 2003-11-28 2005-06-23 Toshiba Corp 年齢・性別判別装置、年齢・性別判別方法および人物認識装置
US7319779B1 (en) 2003-12-08 2008-01-15 Videomining Corporation Classification of humans into multiple age categories from digital images
JP4888217B2 (ja) 2007-05-08 2012-02-29 オムロン株式会社 人物属性推定装置
JP4273359B2 (ja) 2007-09-28 2009-06-03 Ｎｅｃソフト株式会社 年齢推定システム及び年齢推定方法
JP5072102B2 (ja) 2008-05-12 2012-11-14 パナソニック株式会社 年齢推定方法及び年齢推定装置
JP5210808B2 (ja) 2008-11-06 2013-06-12 Ｎｅｃソフト株式会社 年齢推定装置及び方法
CN101584575B (zh) * 2009-06-19 2011-05-04 无锡骏聿科技有限公司 一种基于人脸识别技术的年龄评估方法
SG184287A1 (en) 2010-03-26 2012-11-29 Agency Science Tech & Res Facial gender recognition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005148880A (ja) * 2003-11-12 2005-06-09 Advanced Telecommunication Research Institute International 年齢推定装置、年齢推定方法および年齢推定プログラム
TW200707313A (en) * 2005-03-18 2007-02-16 Koninkl Philips Electronics Nv Method of performing face recognition
CN101419671A (zh) * 2008-11-10 2009-04-29 北方工业大学 基于模糊支持向量机的人脸性别识别方法
CN101615248A (zh) * 2009-04-21 2009-12-30 华为技术有限公司 年龄估计方法、设备和人脸识别***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI832660B (zh) * 2023-01-06 2024-02-11 宏碁股份有限公司 計算視野指標正常分布的方法及裝置

Also Published As

Publication number Publication date
AU2011270457A1 (en) 2012-11-29
CN102870136B (zh) 2017-05-10
SG186062A1 (en) 2013-01-30
US9189679B2 (en) 2015-11-17
US20130089245A1 (en) 2013-04-11
CN102870136A (zh) 2013-01-09
WO2011162050A1 (ja) 2011-12-29
TW201209731A (en) 2012-03-01
JPWO2011162050A1 (ja) 2013-08-19
RU2013102503A (ru) 2014-07-27
JP5827225B2 (ja) 2015-12-02

Similar Documents

Publication Publication Date Title
TWI514291B (zh) 年齡估計方法
US9330298B2 (en) Face impression analyzing method, aesthetic counseling method, and face image generating method
JP5290585B2 (ja) 肌色評価方法、肌色評価装置、肌色評価プログラム、及び該プログラムが記録された記録媒体
US11416988B2 (en) Apparatus and method for visualizing visually imperceivable cosmetic skin attributes
US11605243B2 (en) Apparatus and method for determining cosmetic skin attributes
US20080304736A1 (en) Method of estimating a visual evaluation value of skin beauty
TWI452998B (zh) System and method for establishing and analyzing skin parameters using digital image multi-area analysis
JP5405994B2 (ja) 画像処理装置、画像処理方法、画像処理システム、肌評価方法
JP2007252891A (ja) 肌の美しさの目視評価値の推定方法
Zheng et al. Heart rate prediction from facial video with masks using eye location and corrected by convolutional neural networks
JP3920747B2 (ja) 画像処理装置
TWI528296B (zh) 皮脂量的推定方法、皮脂量推定裝置及皮脂量推定程式
JP7234086B2 (ja) 生体情報取得装置およびプログラム
JP2021178128A (ja) 唇年齢又は唇印象による唇の評価方法
TW201535320A (zh) 增齡分析方法及增齡分析裝置
Wang et al. Image-based facial pore detection and visualization in skin health evaluation
JP7520679B2 (ja) いきいきとした顔の度合い推定方法、いきいきとした顔の度合い推定装置、及びいきいきとした顔の度合い推定プログラム
RU2575404C2 (ru) Способ оценки возраста и способ определения пола
Jayasinghe et al. Matching facial images using age related morphing changes
Heravi et al. Adult-child 3D backward face aging model (3D B-FAM)
JP2023087699A (ja) 幸福実感の表れた顔の度合い推定方法、幸福実感の表れた顔の度合い推定装置、及び幸福実感の表れた顔の度合い推定プログラム
Takimoto et al. An analysis of the influence of facial feature for apparent age estimation