ترکیب سنی و برآورد سن از طریق چهره Age Synthesis and Estimation via Faces: A Survey

مقدمه

به عنوان " پنجره ای به سمت روح بشر" چهره انسان اطلاعات قابل قبول مهمی را در ارتباط با خصوصیات فردی منتقل می کند. خصوصیات انسانی توسط مشخصه های چهره همانند هویت فردی، حالت چهره، جنسیت، سن، اصالت نژاد، و ژست، توجه زیادی را در دهه های گذشته از بخش های آکادمیکی و صنعتی به سمت خود معطوف داشته، از این رو تکنیک پردازش نمای چهره کاربردهای زیادی را در حوزه تصویر و گرافیک کامپیوتری ایجاد کرده است. دو مشکل اساسی در ارتباط با پیشرفت این تکنیک ها، الهام دهنده می باشد.

- ترکیب نمای چهره: به تفسیر نمای چهره با مشخصه های ترکیبی و مجزای چهره مورد نظر (هویت، سیما، جنسیت، سن،نژاد، ژست و غیره) می پردازد.

- تحلیل نمای چهره: به تفسیر نمای چهره از نقطه نظر مشخصه های چهره (هویت، سیما، جنسیت، سن، نژاد، ژست و غیره) می پردازد.

در میان این موارد، ترکیب و برآورد سنی بر مبنای چهره چهره به عنوان موضوع جالب توجهی در سال های اخیر به دلیل پیدایش برنامه های کاربردی جدید می باشد. مردم دارای این قابلیت که در اوایل زندگی شان در آن ها رشد یافته، می باشند، تا به تعیین سن بین 20 و 60 سال و درک سنی افراد با استفاده از چهره افراد با دقت بالا، و به طور متوسط، با توجه به گروه سنی آن ها بپردازند. برای مثال، ما می توانیم به آسانی به محاسبه سن البرت انیشتن بر مبنای شکل 1 بپردازیم. مشخصا هنر بدیعی ی تواند به تصویرسازی و تصویری از سن واقعی با در نظر گرفتن تصاویر و یا توصیف چهره مورد نظر بپردازد. فروشندگان مواد الکلی با تجربه در کشور سوئد دارای توانایی زیادی برای برآورد دقیق سن با نقص پایین می باشند. جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. و وابسته به قراین در شبکه های اجتماعی می باشد. آیا تجهیزات نیز می توانند همانند انسان این کار را انجام دهند؟ پیشرفت فناوری در علم کامپیوتر و مهندسی پاسخ مثبتی را به این پرسش داده است. دو فعالیت اصلی در این حوزه وجود دارد ، که شامل، ترکیب و برآورد سنی بر مبنای کامپیوتر بوده، که در زیر توضیح داده می شوند.

- ترکیب سنی: به تفسیر چهره افراد از نظر زیباشناختی با توجه به سن طبیعی و تاثیرات جوان سازی در چهره افراد می پردازد.

- برآورد سنی: چهره چهره را بطور اتوماتیک با سن دقیق یا گروه سنی چهره افراد تطبیق می دهد.

برای درک بیشتر این مطلب، ما به تفکیک چهار مفهوم در مورد سن بشر در این مقاله می پردازیم.

- سن واقعی: سن حقیقی ( سال های بعد از تولد) یک فرد

-- سن چهره: اطلاعات سنی نشان داده شده در ظاهر فرد

تشخیص سنی: سن فرد که توسط حالت چهره افراد برآورد زده می شود

- برآورد سنی: تشخیص سن فرد توسط تجهیزات تشخیص چهره

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 1. چهره البرت انیشتن با روند پیری ( گرداوری شدن توسط جستجوی تصویر در اینترنت)

سن چهره معمولا سازگار با سن واقعی می باشد. به هر حال تغییرات اغلب موارد به دلیل تفاوت کلی بین افراد مختلف و فاکتورهای مصنوعی و محیطی اجتناب ناپذیر می باشد. اما سن تشخیص داده شده و برآوردی بر مبنای سن چهره تعریف می گردد. سن واقعی اغلب موارد بر مبنای حقیقت مبنا تعریف می گردد.

1.1 کاربردهای جهان واقعی

کاربردهای واقعی بسیار محبوب زیادی در مورد تریکیب سنی و برآورد وجود دارد. ترکیب سنی بکمک کامپیوتر به طور قابل توجهی باعث کاهش مشکلات ملالت آور برآورد توسط انسان شده درحالی که در عین حال تاثیرات تصاویر حقیقی و تصاویری با کیفیت بالا را ایجاد می کند. برآورد سن توسط تجهیزات در مواردی کاربرد دارد که  ما مشخصا نیاز به شناسایی فرد، همانند کارکنان دولت، نداشته، اما می خواهیم از سن آن ها مطلع شویم.

1.1.1 هنرهای بدیعی

هنرهای بدیعی شامل اطلاعات میان رشته ای از اندام سنجی، روان شناسی، بازسازی پس از مرگ، افزایش سن انسان، درک، و گرافیک کامپیوتری می باشد. به عنوان یک تکنیک هنری اصلی در هنر بدیعی، پیش بینی سن، برای اصلاح و بهبود تصاویر توسط کامپیوتر یا به چهره دستی( با مهارت های خط نگاری حرفه ای) برای شناسایی قربانیان یا افراد گم شده با اجرای قانون بکار گرفته می شود. این تکنیک زمانی مد نظر قرار می گیرد که فعالیت و هنر بازجویی پلیس در سرتاسر تاریخ یکپارچه می گردد. زمانی که عکس یکی از اعضای گم شده خانواده ( بویژه کودکان) یا پناهندگان در دست تعقیب قدیمی می شود، هنرمندان می توانند به پیش بینی سن طبیعی چهره افراد پرداخته و تصاویر بروز شده ای از چهره آن ها را ایجاد کنند، و از تمام اطلاعات در دسترس همانند مشخصه چهره، سبک زندگی، شغل و ژنتیک ان ها استفاده کنند. ترکیب سنی توسط تجهیزات می تواند به طور قابل توجهی بازدهی مربوط به پیش بینی را بالاتر برده و در عین حال تصاویر مربوط به سن حقیقی/ تاثیرات جوان سازی را که باعث برطرف کردن نیاز زیبا شناختی می گردد، ایجاد کنند.

1.1.2 مدیریت ارتباط با مشتری الکترونیک (ERCM)

ERCM به عنوان یک استراتژی مدیریتی برای استفاده از فناوری اطلاعات و ابزارهای تعامل چندرسانه ای با تمام مشتریان و ارتباط با ان ها به چهره فردی می باشد. چون گروه های مختلفی از مشتریان دارای عادات مصرفی متفاوت، برتری، پاسخ دهی، و پیش بینی های بازاری می باشند، شرکت ها می توانند مزایای بیشتری را با تایید این حقایق بدست آورده، مستقیما به تمام نیازهای مشخص مشتری پاسخ داده، و محصولات و خدمات سفارشی را فراهم کنند. به این ترتیب مهمترین چالش بدست آوردن و تجزیه و تحلیل اطلاعات فردی کافی از تمام گروه های مشتری بوده، که نیاز به این دارد که شرکت ها رابطه بلند مدتی را با مشتری ایجاد کرده جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. . برای مثال، صاحب یک فروشگاه فست فود می خواهد بداند که چه درصدی از گروه های سنی، چه نوع ساندویچ هایی را ترجیح داده و خریداری می کنند. تبلیغ کنندگان  افراد خاصی را ( مشتریان بلقوه) برای تبلیغات خاص از نقطه نظر گروه سنی مورد هدف قرار می دهند؛ شرکت های سازنده تلفن همراه می خواهند بدانند که کدام گروه سنی علاقه بیشتری در مدل های محصولات جدید که در کیوکس های عمومی به نمایش گذاشته می شود دارند؛ ویترین یک فروشگاه می خواهد لباس های متناسب با کسب و کار را به افراد بزگسال و شلوارهای جین را برای جوانانی که از آنجا عبور می کنند، به نمایش بگذارد. مشخصا این مورد احتمالا غیرمحتمل می باشد که این موارد را به چهره خصوصی مد نظر قرار دهیم. به هر حال با کمک سیستم برآورد سن اتوماتیک بر مبنای کانپیوتر، دوربینی که بتواند تصاویر مشتریان را بردارد، می تواند اطلاعات آماری را با تصویربرداری از چهره مشتری و دسته بندی خودکار گروه های سنی گرداوری کند. تمام این موارد می تواند بدون بر هم زدن حریم خصوصی کسی انجام گیرد.

1.1.3 کنترل امنیتی و حفظ نظارت

موضوع مرتبط به کنترل امنیتی و حفظ نظارت در زندگی روزمره ما رو به اهمیت یافتن به ویژه زمانی که دسترسی به فناوری های امروزی و موجی از اطلاعات رایج می گردند، می روند. با توجه به توان اولیه دوربین های نظارتی، سیستم برآورد زننده سن، می تواند به مشروب خواران زیر سن مجاز هشدار داده یا از رفتن به درون بار یا شراب فروشی ها باز دارد؛ مانع افراد کوچک از خرید دخانیات از دستگاه های خودکار گردد؛ از افراد مسن زمانی که جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. و به این ترتیب برآورد سن برای حفظ نظارت می تواند نقش مهمی را ایفا کند. نرم افزار برآورد سن، در نظام بهداشتی همانند پرستاران رباتیک، و واحد مراقبت های پزشکی هوشمند، برای خدمات سفارشی می تواند مورد استفاده قرار گیرد. برای مثال یک آواتار شخصی به چهره اتوماتیک از پایگاه داده اواتار سفارشی انتخاب می گردد تا با بیمارانی از گروه سنی مختلف با توجه به نیازهای خاصشان تعامل داشته باشد.

1.1.4 زیست سنجی

برآورد سن به عنوان زیست سنج نرم می باشد که اطلاعات کمکی از اطلاعات هویتی کاربر ایجاد می کند. آن می تواند برای تکمیل مشخصه های اولیه زیست سنجی همانند چهره، اثرانگشت، عنبیه، و تشخیص دست برای بهبود عملکرد سیستم زیست سنج اصلی استفاده کند. در تشخیص چهره واقعی یا کاربردهای شناسایی، اغلب این مورد مطرح می گردد که سیستم های می بایست به تشخیص و شناسایی چهره بعد از فاصله زمانی چند ساله همانند نوساری پاسپورت و ویزا بپردازند، که اهمیت ترکیب سنی را نشان می دهد.

با ادغام در مدل سنی دینامیک، سیستم تشخیص و شناسایی چهره می تواند به چهره پویا پارامترهای مدل را با مد نظر قرار دادن شکل یا بافت تغییرات در طی پردازش سن، تنظیم کند. تقویت سیستم نسبت به فاصله زمانی به طور قابل توجهی بهبود می یابد.

1.1.5 سرگرمی

بالا بردن سن و دوباره جوان کردن به عنوان تاثیرات بصری ویژه ای در فیلم سازی، به ویژه برای فیلم های علمی  همانند " بنجامین باتن کنجکاو" می باشد. با این اثرات تصنعی قابل توجه در بسیاری از فیلم ها، ظاهر هنرپیشه از حالت جوان به پیر یه بلعکس با توجه به اثرات واقعی این تغییر سن تغییر می یابد. بعضی از این اثرات بصری مبهم، توسط تکنیک ترکیب سنی به منظور ایجاد تجارب فوق العاده برای حضار ایجاد می گردد. دگردیسی تصویر اغلب برای ایجاد تغییرات بی نظیر برای اهداف انیمیشنی همانند موسیقی " سیاه و سفید" مایکل جکسون مورد استفاده می باشد. مدیریت آلبوم اتوماتیک تصاویر مشتریان به عنوان کاربرد احتمالی برآورد سن می باشد. کاربران می توانند آلبوم های گروهی را از آلبوم های سازماندهی شده اتوماتیک بر طبق به مشخصه های چهره انتخاب کنند.

1.1.6 آرایش

مردم می خواهند چهره شان جوان تر نشان دهد. جوان سازی از طریق جراحی های زیبایی یا مراقبت از باف پوست، به عنوان روش های درمان زیبایی در مبحث زیباشناختی می باشد. ترکیب سنی به کمک کامپیوتر به عنوان یک تکنیک موثر برای پیش بینی نتایج جوان سازی به عنوان مرجعی می باشد که می تواند کمکی به جراحان و متخصصان زیبایی در معالجه و عمل ها باشد. با در دسترس بودن سیستم جوان سازی چهره، خدمات فرد محور بیشتری می تواند برای بیماران فراهم شده، که می توانند مستقیما نتایج تصایر واقعی ترکیب شده درا مشاهده کرده و پیش تر تغییرات مورد نظرشان را اعمال کنند.

1.2 مشکلات و انگیزه ها

همان طور که قبلا بیان شده است، کاربردهای واقعی بسیار غنی و جذاب بوده، و حقایق و مشخصه های موجود در حوزه مشاهده، مشکلات و چالش های مرتبط به ترکیب و برآورد سنی اتوماتیک را توسط کامپیوتر نشان می دهد. مردم مختلف دارای میزان متفاوتی از فرایند گذر سن می باشند، که نه تنها توسط ژن افراد، بلکه توسط بسیاری از فاکتورهای دیگر همانند شرایط بهداشتی، سبک زندگی، محیط کاری، و اجتماعی بودن، تعیین می گردد. تاثیر تشعشعات فرابنفش، که معمولا از طریق مواجهه با نور خورشید ایجاد می گردد، منجر به افزایش سن خورشیدی می گردد، که به عنوان دلیل دیگری برای نشانه های افزایش سن چهره می باشد. مشخصا استون اظهار می کند که روند پیری توسط سیگار کشیدن، زمینه های زنتیکی، فشارهای عاطفی، فرایند بیماری، تغییرات قابل توجه در وزن، و قرار گرفتن تحت شرایط آب و هوایی شدید تسریع می گیرد. همان طور که توسط بری و مک آرتور نشان داده شده است، جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. می باشد، که فعالیت مرتبط به تغییرات پیری دقیق را پیچیده تر می کند. علاوه بر این رده بندی سنی با طبقه بندی های معمول اغلب موارد به دلیل ابهاماتی که در این دسته بندی وجود دارد، مشکل می باشد.

از نقطه نظر فنی مردان و زنان دارای الگوی پیری چهره متفاوتی بوده که در تصاویر نشان داده شده است و این به دلیل میزان استفاده از موارد آرایشی و لوازم مربوطه می باشد. چهره بسیاری از زنان بطور بلقوه ظاهر جوان تر را نشان می دهد. همچنان دو مشکل آشکار باقی می ماند که 1) چگونه می توان مدل های ترکیب سنی هر فرد را ایجاد کرد و 2) چگونه می توان مشخصه های تمایز کلی را برای برآورد سن تعیین کرد، که باعث تاثیر منفی تفاوت های فردی می گردد. علاوه بر این، بار مسئولیت ایجاد پایگاه داده در مقیاس بالاکه محدوده سنی را با تصاویر مربوط به روند پیری چهره تحت پوشش قرار می دهد، دستیابی به روند برآورد را پیچیده تر می کند. اگرچه داده کاوی تصویری وب می تواند کمکی برای جمع آوری داده باشد، معمولا مشکل و یا حتی غیرعملی می باشد تا پایگاه های داده بزرگی از تعداد زیادی از افرادی که مجموعه ای از تصاویر شخصی در گروه های سنتی مختلف را ایجاد می کنند، گرداوری کنیم.

چگونه یک تجهیزات می تواند فعالیت مربوط به ترکیب و برآورد سنی را انجام دهد؟  چه نوع تکنیک هایی می تواند برای حل کردن مشکلات و غالبه بر ان ها بکار رود؟ چه کارهایی انجام شده و یا انجام خواهد شد؟ این پرسش ها نسبتا توجهات را به بعضی از کنفرانس های IEEE همانند BTAS’08 و FG’08 معطوف می دارد. جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. توسط شرکت هایی همانند VideoMining و NEC ایجاد شده اند. نمونه آزمایشی سیستم و نرم افزارها همچنین به چهره گسترده ای گزارش می گردند. به دنبال این روند، ما به این پرسش ها در مقاله با برسی کامل و باحث کلی که پیشرفت های تکنیکی امروزی را در ترکیب و برآوردی سنی بر مبنای کامپیوتر پوشش می دهدف پاسخ می دهیم. یکی از بررسی های منتشر شده اخیر تا اندازه ای موضوع روش محاسباتی را برای مدلسازی پیری چهره مد نظر قرار داده است. با استفاده از دیدگاه های گسترده تر در این بررسی، ما مشخصا تمرکزمان را بر روی روش ها و راه حل های ترکیب سنی و برآورد سنی در سال های اخیر قرار می دهیم که به طور قابل توجهی به بهبود روش های سنتی با مد نظر قرار دادن مشخصات و پیچیدگی های مسئله می پردازیم.

1.3 سازماندهی مقاله

مابقی مقاله به چهره زیر می باشد: در بخش 2، ما خلاصه ای از فرایند پیری طبیعی را که در ارتباط با چهره انسان می باشد در دو مرحله نشان می دهیم. نکات زیباشناختی و اداراک مرتبط همچنین معرفی می گردد. با آغاز مباحثدر جنبه های مربوط به مدلسازی چهره، بخش 3 به بررسی تکنیک های ترکیب سنی در سه جنبه می پردازد: که شامل شکل، بافت و ظاهر می باشد. ما به معرفی مدل های به نمایش گذاشته تصاویر سنی موجود و تکنیک برآورد سنی جدید در بخش 4 می پردازیم. مقایسه عملکرد سیستم های کنونی نیز مورد بحث قرار می گیرد. بخش 5 بعضی از پایگاه های داده مربوط به پیری چهره را با توصیف جزییات موجود فهرست می کند. پروتکل ارزیابی برای ترکیب سنی و برآورد در بخش 6 به طور خلاصه بیان می گردد. ما در بخش آخر به نتیجه گیری مقاله پرداخته و دستورالعمل های نوید بخش آینده را مد نظر قرار می دهیم.

2. پیر شدن چهره انسان

پیری چهره انسان یک فرایند آهسته و برگشت ناپذیری می باشد، بعضی از رتیونیدها 0 همانند ترتینوین) بعضا تاثیر پیری پوست را کاهش می دهند.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 2. طرح پیری چهره از سن 30 تا 80 سال با 10 سال اختلاف در هر عکس.

اگرچه مرد به گونه متفاوت پیر می شوند و پیری نیز دارای شکل های متفاوتی در سنین مختلف می باشد، همچنان تغییرات کلی و شباهت هایی نیز وجود داشته که می توانیم همیشه به شرح آن بپردازیم. از نقطه نظر بیولوژیکی و اندام شناسان، تقریبا دو مرحله در طی عمر انسان وجود دارد که کاملا در توسعه، تکامل چهره و شکل های پیری متفاوت است.

در طی مراحل اولیه رشد و تکامل چهره، از تولد تا بلوغ، بیشترین تغییر در شکل ساختاری چهره می باشد. در مجموع، اندازه چهره به تدریج در طی تکامل جمجمه بزرگتر می گردد. شکل 3d شش نوع چهره را نشان می دهد، که در قسمت (53) با تکامل جمجمه از 2 تا 18 سال ، تفاوت 3 سال در هر عکس، نشان داده شده است. این ترکیب شکل بر مبنای اندازه گیری بدن انساناز قسمت (54) می باشد. با تکامل جمجمه، پیشانی به سمت عقب متمایل شده، چروک می شود، و فضاهایی را در سطح جمجمه آزاد می کند، در حالی که مشخصه چهره، همانند چشم، بینی، گوش، و زبانمناطقشان گسترش یافته و فضاهای درون شبکه ای را می پوشانند. گونه ها به بخش های بیشتری امتداد پیدا کرده و چانه جلوتر می آید. پوست چهره در مقایسه با تکامل جمجمه تغییر زیادی ندارد. اما موی چهره همانند سبیل دارای تراکم بیشتر و پرپشت تر می گردد. رنگ پوست ممکن است کمی تغییر کند. سوراخ ها باز و بزرگتر می گردند. اطلاعات بیشتر در مورد تکامل جمجمه و پیری از بخش (51) بازیابی می گردد.

به دنبال پیری بعد از بلوغ، یعنی از بلوغ تا سن پیری، بیشترین تغییرات قابل مشاهده پیری پوست ( تغییر بافت) می باشد. تغییر شکل ان همچنان ادامه داشته، اما کمتر چشم گیر می باشد، که اکثرا به دلیل طرح های معمول در پوست و بافت می باشد. همان طور که در (55) و (33) نشان داده شده است، شکل 2 ، شش طرح مربوط به پیری چهره را از سن 30 تا 80 سال، با 10 اختلاف سال در هر عکس نشان می دهد. از نظر بیولوژیکی هر چه چهره جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. به دلیل حرکت ماهیچه مجزاتر می گردند. در بخش هایی که پیوندهای عمیق تری وجود دارد همانند گونه ها، پلکف چانه و بینی،  انعطاف پذیری ماهیچه ها و بافت های نرم کمتر شده و چربی نیز کمتر می گردد. در بخش های دیگر، چربی تحلیل رفته و یا جذب می گردد. این تغییرات منجر به تنزل رو به پایین یا تحلیل پوست، همانند دو چانه ای شدن، گونه های افتاده، و تحلیل پلک می گردد. اگرچه تکامل جمجمه ای در طی این دوره پیری قابل توجه نمی باشد، خطوط چهره همچنان از سن 30 تا 80 سالگی به ویژه در چهره زنان مشخص می باشد. چهره از حالت U شکل یا بلعکس مثلثی به شکل ذورنقه ای یا مستطیلی در می آید.

اسکلت استخوانی در بخش زیرین پوست منجر به بیشتر شدن شتاب تکامل پیری پوست همانند ایجاد چروک، پین و پژمردگی می گردد. عبلوه بر این پیری چهره در طی این دوره سنی منجر به از دست رفتن کنترل انعطاف پذیری ماهیچه های چهره گشته به چهرهی که تغییر چهره و عملکرد ان به چهره ناخواسته انجام می گیرد. جزییات بیشتر در مورد روش های معمول که پیری سر و چهره در دوران بلوغ ایجاد می گردد در بخش (51) نشان داده شده است.

از نقطه نظر زیباشناسی و مشاهده ای، پیری چهره به روش های مختلفی توضیح داده می شود. فرض کنید که چهره دارای نقاطی در فضای چند بعدی می باشد، این تمایز نشان دهنده فاصله بین دو چهره می باشد. این جذابیت بچهره منفی همگام با این تمایز بوده زیرا تمایز کمتر و موارد معمول بیشتری بر مبنای جذابیت بیشتر بوده که توسط رودز و ترموان در سال 1996 نشان داده شده است. به دنبال این نظریه و مفاهیم، دفنباچر و همکارانش در یافته اند که پیری چهره در واقع مرتبط به تمایز و جذابیت آن می باشد. بررسی آن ها بر روی مدل چهره سه بعدی بر روی جوانان بالغ زن و مرد اروپایی بوده است. زمانی که تکنیک کاریکاتوری چهره به اجرا در می آید، آن ها در یافته اند که چهره جوانا دارای جذابیت بیشتر ولی تمایز کمتیر از چهره افراد پیر می باشد. زمانی که میزان شیارها افزایش می یابد، این تمایز بیشتر می گردد جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. اطلاعاتی را که به شدت مرتبط به پیری چهره می باشند، مجسم می کند. بنابراین از نقطه نظر زیبایی و مشاهده، پیری چهره اغلب موارد شرح داده شده و توسط مفهوم جذابیت و تمایز با کاریکاتورهای مشخص یا تغییر از اطلاعات تجربی اندام سنجی بیولوژیکی  ( تکامل چهره، توسعه، و اشکال پیری ) می باشد.

 

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 3. پیری چهره با مدل های ترکیبی شکل. A) مدل تغیر شکل رشته کاردیوئید،  که در بخش (108) نشان داده شده است. b) مدل شکل سه بعدی، که در بخش (62) نشان داده شده است. c) اندازه گیری اندام سنجی چهره انسان که در (54) نشان داده شده است. d) مدل تکامل استخوان چهره به دنبال افزایش سن که در (53) نشان داده شده است، که مدل های بخش (a) و (b) مد نظر قرار می گیرد.

3. ترکیب سنی چهره

3.1 مدلسازی چهره

ترکیب سنی، که به نام پیشروی سن نیز نامیده می شودف اغلب موارد توسط خلق مدل چهره به اجرا در می آید. مدلسازی چهره برای مدت زمان طولانی در حوزه گرافیک کامپیوتر و تصویر مجازی کامپیوتری غالب می باشد. تحقیقات مقدماتی ایجاد مدل چهره به چهره کامپیوتری به زمان پارک در سال 1972 بر می گردد. مدل مشبک سه بعدی برای خلق چهره های کارتونی ایجاد شد. انیمیشن حالت چهره با تجزیه و تحلیل مجموعه ای از تصاویر چهره واقعی ترکیب می گردد. چس از ان، تعداد زیادی از مدل های چهره- سه بعدی یا دو بعدی، تصاویر واقعی و غیرواقعی – ایجاد شده و برای اهداف متفاوت کاربردی گزارش می گردند. معمولا، دو دسته معمول از مدل های چهره وجود دارد: شناخت تجربی ( با زیرشاخه های هندسی و مبنای تصویری) و مبنای آموزش آماری ( بر مبنای ظاهر). ما به بحث در مورد سه زیرشاخه به چهره زیر می پردازیم:

3.1. مدل مبنای هندسی

این نوع مدل به ایجاد انیمیش های چهره به چهره انوماتیک توسط شبکه های هندسی کلی، تغییر شکل ماهیچه – پوست، منحنی های فعال، یا تکامل اندام سنجی می پردازد. این موارد اساسا  برای پراخت تصاویر غیرواقعی طراحی می گردند. آن به دیجیتالی کردن شبکه چهره از طریق واحدهای هندسی که نشان دهنده ماهیچه، بافت، و پوست به چهره دو بعدی و سه بعدی است، می باشد. تاثیر انیمیشنی و یکنواخت بودن حرکت از طریق جانشین سازی راس هندسی و درون یابی ، همانند تئابع کسینوسی و دو سویه ایجاد می گردد. مدل انیمیشنی چهره بر مبنای هندسی بر مبنای مولد کاریکاتوری در دهه 1980 می باشد، که بر مبنای فرایند اغراق در تفاوت ها ( فاصله) از یک چهره معین تا چهره میانگین ( چهره میانگین مجموعه ای از نمونه ها) می باشد. به عنوان یک ابزار تحلیل هندسی اشکال مورد استفاده توسط کوتس و همکارانش، مدل تصویر فعال (ASM) بر مبنای اندازه گیری آماری شکل چهره بوده که توسط مجموعه ای از نقاط در مجموعه های آموزشی نشان داده می شود. آن به چهره مکرر تغییر شکل می یابد تا سازگار با چهره در تصاویر مورد نظر گردد. در هر تکرار، جستجوی محلی در موقعیت کنونی هر نقطه برای بروزرسانی نقاط مجاور بوده که سازگار با مدل می باشد. بعضی از روش های مکمل سیستماتیک در اربتاط با این تکنیک مدلسازی مستلزم سیستم کدگذاری فعالیت چهره مربوطه (FACS) و پارامترهای انیمیشنی چهره MPEG-4 می باشد که به عنوان یک استاندارد مورد استفاده قرار می گیرد. چون این تکنیک مدلسازی می تواند باعث ایجاد انیمیشن های تصویری از طریق پارامترسازی گردد، بسیاری از سیستم های آواتار در دنیای واقعی ، توسعه می یابند. مباحث بیشتر از برسی های دنگ و نو در سال 2007 مشخص می گردد. بعضی از کاربردهای رایج مدل بر مبنای هندسی، شامل چهره های کارتونی و ایجاد کاریکاتور توسط آموزش منحنی ها می باشد. در این موارد، شکل چهره و موئلفه های مشخص چهره مد نظر قرار گرفته و و تاثیرات کارتونی را ایجاد می کند. خصوصیات فردی در کاریکاتورها برجسته می گردد.

3.1.2 مدل بر مبنای تصویر

مدل های بر مبنای تصویر تمرکزشان را بر روی تصاویر چهره واقعی از تصاویر دیگر نسبت به موارد هندسی اولیه قرار می دهند. تکنیک ذهنی بر مبنای ایجاد جزییات بافت بر روی تصاویر چهره مورد نظر بوده تا به شبیه سازی ویژگی های انسانی همانند تغییر چهره چهره با چین و چروک های دوره پیری بپردازند. به اجرا در اوردن این تکنیک ساده بوده اما برای تعمیم دادن ان برای پرداخت تصاویر واقعی، تجربی می باشد. روش دیگر برای بهبود تاثیرات تصاویر واقعی، کپی برداری از مشخصه چهره از تصاویر مبدا تا مفصد برای نمونه کپی برداری حالت چهره یا جزییات مربوط به پیری پوست می باشد. یک ایده جالب توجه که به نام پیوند نسبت تصاویر (MRI) می باشد، توسعه دادن مفهوم تصویر معین به خصوصیات چندگانه چهره و ادغام چهره، و روشن سازی، و پلی RI برای پرداخت چهره واقعی می باشد. از طرف دیگر، با مد نظر قرار دادن مجموعه ای از تصاویر نمونه با خصوصیات چهره متفاوت برای افراد مشابه، تصویر حقیقی چهره افراد از رطیق پرداخت بر مبناس تصاویر ترکیب می گردد. تکنیک دگردیسی تصویر اغلب موارد در ادغام با مدل هایی برای دگردیسی نورپردازی، مشاهده دگردیسی، و دگردیسی چهره می باشد.

3.1.3 مدلی بر مبنای ظاهر

مدل های بر مبنای ظاهر، شکل و بافت تغییرات را برای دستیابی به نتایج واقعی مد نظر قرار می دهد. شکل و بافت هر دو برای نمایش تصویر مد نظر قرار می گیرند. به جای کاربرد بالای دانش های تجربی همانند دو مدل قبلی، این نوع مدل معمولا از آموزش های آماری برای ایجاد مدل مورد استفاده قرار می گیرد. معمولا پایگاه داده چهره با اندازه بزرگ در ارتباط با یک مدل کلی بوده که مجموعه اهداف طولی را مد نظر قرار می دهد. یمی از محبوب ترین مدل های سه بعدی مدل مورفابل (MM) می باشد که توسط بلانز و وتر در سال 1999 ایجاد شده است.

به دنبال ایجاد صدها نمونه چهره سه بعدی، مدل های تغییر شکل یافته می تواند چهره افراد را با ترسیم شکل و بافت بردارها از نقطه نظر خصوصیات متفاوت تغییر دهند. تغییرات مربوط به خصوصیات چهره متنوع می باشد. بعضی از خصوصیاتی که برای هر فرد تغییرناپذیر می باشد- همانند جنسیتف مال، لبخند، اخمف وزن و و کجی بینی- تفکیک شده و توسط مدل نرکیب می گردد. به دلیل مشکلات در گردآوری مجموعه پایگاه داده سه بعدی و مطابقت مدل، بعضی از مدل های دو بعدی دیگر گزارش شده اند. کوتس و همکارانش مدل های ظاهری فعال (AAM) را در سال 1998 نشان داده اند که شامل مدل آماری شکل و ظاهر سطح سایه دار چهره می باشد. فو و ژنگ ، مدل چهره ادغام شده را در سال 2006، ادغام شکل منحنی، و بافت طرح MRI را برای ایجاد خصوصیات چهره به چهره چرخشی نشان داده اند.  چهره ادغام شده، به عنوان یک مدل پارامتر دو بعدی بوده که مدلسازی سه بعدی بدون کم کردن تاثیر تصویر حقیقی نادیده گرفته می شود. مدل چهره  با استفاده از مجموعه ای از تصاویر سازگار با نظرات متفاوت و مد نظر قرار دادن شکل و بافت ایجاد می گردد. با مد نظر قرار دادن خصوصیات کلیدی تصاویر چهره ، مدل تصویری مشخص از طریق تناسب انفعالی متناسب با مدل سه بعدی در مورد مجموعه مشخص شده تصاویر، به مرحله نهایی می رسد.

3.2 الگوریتم های ترکیب سنی

بر مبنای مدل های چهره متفاوت، الگوریتم های مرتبط به ترکیب سنی برای ایجاد تصویر چهره از نظر زیبایی با تایراتی پیری طبیعی و و دوباره جوان سازی بکار گرفته می شود. سه الگوریتم ترکیبی رایج به چهره زیر شرح داده می شوند.

3.2.1 ترکیب داده ها بچهره صریح

بر مبنای مدل چهره خاص، شکل، بافت یا ظاهربه چهره کارآمدی ترکیب می گردد. ترکیب داده ها به چهره مشخص، تمرکزش را بر روی تجزیه و تحلیل شکل قرار می دهد، که مرتبط به تکامل استخوان چهره با افزایش سن می باشد. از آنجایی که بافت پوست برای چهره های جوان زیاد تغییر نمی یابد، تغییرات شکلی مشخص در طی تکامل استخوان چهره مشخص تر بوده و به منظور پیش بینی ظاهر و تشخیص چهره/ تایید با گذشت سن مدلسازی می گردد. مدل های تصویر معمولا بر مبنای مجموعه ای از نقاط، خطوط از پیش تعریف شده، یا رشته هایی برای نمایش نقاط مشخص و موقعیت های کلیدی خصوصیات چهره می باشد. تناسب مدل از طریق محدودسازی و انتقال موقعیت نقاط مشخص از طریق مقیاس گذاری، چرخش، و تغییر برای انطباق بهتر تصاویر مد نظر قرار دادن آمار معمول بر بین گروه سه بعدی داده های اسکن شده لیزری ایجاد می گردد، که نیازمند مطابقت به دلیل تفکیک بالا می شود. دارسی تامسون به عنوان یکی از پیشگامان شناخته شده نظریه تغییر هندسی برای ارزیابی و تکامل گونه ها در کتابش- به نام  " رشد و شکل گیری" که در سال 1917 منتشر شد می باشد. او بر این عقیده می باشد که تفاوت های بین شکل های بخش های مربوطه از نظر هندسی نشان داده می شود. نمونه های ارائه شده در مقاله آرتور، نشان می دهد که چگونه می توان از تغییرات هندسی برای ایجاد تغییرات ساختاری در میان جمجمه انسان، جمجمه شامپانزه، و جمجمه بابون ها استفاده کرد. این سه طرح از شکل جمجمه می تواند متقابلا از یک حالت به حالت دیگر ار طریق تاب دادن تارهای اصلی به شبکه های مشابه دیگر تغییر می یابد. این پدیده نشان دهنده توضیح احتمالی برای تکامل فعالیت ها می باشد.

بررسی های اولیه دارسی، بعضی از فعالیت های کنونی انجام شده را بر روی رشد استوان چهره در ارتباط با پیری چهره، به ویژه زمانی که کامپیوترها پیشرفت کرده اند و از دهه 1970 کاربرد زیادی داشته اند، نشان می دهد. پیتنگر و شاو، نظریه ای را در ارتباط با درک رویدادها ارائه می دهند که تکامل استخوان چهره بر مبنای حالت ارتجاعی آن می باشد. درک مرتبط به این رویدادها بر مبنای استفاده از مفاهیم تغییرناپذیری ساختاری و دگردیسی می باشد. برش کالبد چهره و دگردیسی کشش برای نیمرخ چهره به منظور مدلسازی تکامل چهره انجام می گیرد. ان ها به این نتیجه گیری رسیده اند که برای برآورد سن، تغییرات کشش کالبد چهره بسیار معتبرتر از تغییرات برش کالبد چهره می باشد. تاد و همکارانش تغییرات کشش کاردیوئید را برای تکامل کالبد چهره نشان داده و از اهداف کروی پر شده از سیالات برای مدلسازی مجدد چهره استفاده می کنند. مارک و همکارانش دریافته اند که هر تغییر در طی تکامل کالبد خاص چهرهف متغیرهای هندسی مشابه را حفظ می کند. بنابراین تغییرات مرتبط به تکامل بطور منحصر به فردی توسط نامتغیرهای هندسی محدود می گردند. برای پیشرفت مدل هیا دو بعدی، او یک مدل تکامل چهره سه بعدی را به منظور ترکیب چهره های جوان تر به منظور مشاهده، ایجاد کرده است. مارک و همکارانش علاوه بر این دریافته اند که کشش کاردیوئید برای دگردیسی تکامل زمانی موثرتر می باشد که خط فاصل ساختاری ئدارای منحنی بیشتر و زاویه کمتر باشد. بوس و همکارانش بررسی های مارک را برای دریافتن این موضوع که کشش کاردیوئید در تکامل کالبد چهره سه بعدی مد نظر قرار می گیرد، توسعه داده اند. توجه داشته باشد که کشش کاردیوئید برای شبیه سازی تکامل کالبد چهره در چهره جوانان موثر می باشد. چنبن تغییرات سنی کمتر در طی بلوغ روی می دهد. مدل تغییر کشش کاردیوئید اصلاحی در بخش 108 و شکل 3a نشان داده شده است.

اتول و همکارانش یک الگوی کاریکاتوری را برای مدل چهره سه بعدی به منظور ترکیب سنی سه بعدی همان طور که در شکل 3b نشان داده شده است، بکار گرفته اند. آن ها به محاسبه چهره میانگین چهره نمونه برداری شده بسیاری از افراد پرداختند که از طریق اسکن سه بعدی و مطابقت ان ها پرداختند. فاصله از هر چهره نمونه تا چهره متوسط توسط چرخش هر چهره نمونه به شکل متوسط چهره محاسبه می گردد. افزایش فاصله باعث می شود که جمجمه ها کمی متمایزتر بوده در حالی که کاهش مسافت باعث می شود که چهره جوان تر به نظر بیابد. شکل 4a نتایج پیری چهره سه بعدی را با استفاده از مدل کاریکاتوری نشان می دهد. آن ها دریافته اند که مولفه اصلی PCA در سطوح بالا مرتبط به تغییرات سنی چهره می باشد، که برای ترکیب دستکاری سن چهره بکار گرفته می شود. راماناسان و چپالا مدل تکامل کاربرد چهره را ایجاد کرده اند که در شکل 3d در ارتباط با افزایش سن چهره های جوان زیر 18 سال نشان داده شده است. فعهالیت آن ها در اصل بر مبنای تغییرات کششی کادریوئید  در ارتباط با تکامل کالبد چهره می باشد. اما ان ها همچنین شواهد مربوط به اندام سنجی را نیز مد نظر قرار داده اند- این اندازه گیری ها در ارتباط با نشانه های چهره توسط فارکاس همان طور که در شکل 3c نشان داده شدهف گرداوری شد- تا به برآورد پارامترهای تغییرات کالبد چهره در مسیر تکامل چهره بپردازد. این مدل نتایج مرتبط به تکیب تصتویر حقیقی و مدل ها افزایش سنی منطقی را از نقطه نظر فیزیولوژیکی روانی ایجاد می کند. آن ها همچنین به بررسی اندازه گیری شباهت چهره با گذشت سن و بازبینی چهره با گذشت سن از طریق دسته بندی تفاوت سنی بیزی پرداختند ( فضاهای درون فردی و برون فردی بر مبنای تفاوت سنی با استفاده از تصاویر پاسپورت). شکل 4b نتایج افزایش سن چهره های جوان را با استفاده از مدل تکامل کالبد چهره نشان می دهد.س

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل4. نتایج پیری چهره با استفاده از مدل های تصویری. a) نتایج پیرشدگی سه بعدی، که اصالتا در (62) نشان داده شده است. b) افزایش سن برای تصویر چهره جوان که در 53 نشان داده شده است.

3.2.2 ترکیب مکانیکی صریح

ترکیب مکانیکی صریح تمرکزش را بر روی تجزیه و تحلیل بافت قرار می دهد، که دارای ارتباط بیشتری با پیری پوست بوده، که متمایزترین تغییر چهره بعد از بلوغ می باشد. در زمان پیری پوستف چروک ها ظاهر شده و به دلیل ماهیت پوست و انقباض ماهیچه ای مشخص تر می گردند. این تکنیک معمولا با استفاده از تغییر بر مبنای تصاویر به منظور پیش بینی ظاهر حقیقی تصویر با افزایش سن ایجاد می گردد. با مد نظر قرار دادن تصویر چهره برای تغییر آن، این تکنیک یک مدل پوستی را برای ترکیب سنی یا دستیابی به الگوی سنی از چهره های پیرتر و پیوند آن با چهره های جوان تر ایجاد می کند. هر دو روش نیازمند تطبیق چهره یا محاسبه انطباق بین مجموعه تصاویر می باشد.

وو و همکارانش، به ترکیب فعالیت چین و چروک ها با استفاده از مدل سه بعدی برای پیری چهره و انیمیشن پرداختند. پوست چهره بر طبق به ساختار آناتومی آن مدلسازی می گرددف که متشکل از سه لایه می باشد- یعنی ماهیچه، بافت پیوندی، و پوست. در مدلی که در شکل 6a نشان داده شده است، بافت پیوندی بر اساس حالت ارتجاعی آن شبیه سازی شده که باعث پیوند و محدودیت دو لایه می گردد. ملسک ماهیچه ای، که بر اساس اسپلین B ایجاد می گردندبرای کنترل حالت چهره و حرکات ایجاد می گردند. چروک هایی که توسط انقباض ماهیچه ای ایجاد می گردند می تواند توسط فرایند ارتجاعی با ترکیب واحد مومینه ایجاد گردند. این ترکیب به چهره خودکار سازگار با تصویر چهره افراد مختلف و ساختارهای بافت می باشد. بویسوکس و همکارانش به ادامه فعالیت وو با مد نظر قرار دادن پوست به عنوان یک ماده متراکم همان طور که در شکل 6b نشان داده شده است، پرداختند. طرح آن ها دارای لایه های چندگانه ای برای مدلسازی ساختار پوست، همانند روپوست، پوست، و پوست زیرین بوده است. به منظور ساده سازیف تنها دو لایه برای مدلسازی پوست  و بافت های زیرین دیگر مد نظر قرار گرفته و به چهره خطی، ایزوتوپی، و ارتجاعی بوده اند. تغییرات ارتجاعی آن توسط تجزیه و تحلیل عوامل محدود محاسبه می شود. علاوه بر این بویسیوکس و همکارانشمدلی را بر مبنای تصویر با استفاده از ماسک های پیری ، همان طور که در شکل 6c نشان داده شده است، ارائه کرده اند. با استخراج از تصاویر واقعی، این ماسک ها مختص به افراد خاص بوده و شامل انواع متفاوتی از چین و چروک بر طبق به جنسیتف شکل چهرهف و حالت چهره بوده اند. شبیه سازی پیر شدن با مقیاس گذاری شدت چین و چروک از نقطه نظر سنی و طرح ماسک های چین دار مشابه چهره های خاص انچام گرفته است. شان و همکارانش روشی بر مبنای تصویر را برای انتقال جزییات هندسی بین دو سطح هدف نشان دادند. آن ها دریافته اند که جزییات هندسی بدون شناخت از قابلیت بازتاب سطحی بدست می آید. بعد از تنظیم، جزییات هندسی برای انتقال سطوح دیگر ایجاد می گردد. پیری چهره و جوان سازی آن با استفاده از این روش انجام می گیرد. ستون اول و سوم در شکل 5a تصویر واقعی دو فرد را با سنین متفاوت نشان می دهد. ستون دوم و چهارم دو نتیجه حاصل شده را در ارتباط با پیری چهره و جوان سازی ان نشان می دهد ( سن بین این دو چهره قابل انتقال می باشد). فو و ژنگ از تصاویری با نسبت جهانی برای کسب جزییات مربوط به پیری پوست استفاده کرده اند. مجموعه ای از الگوی سنی از طریق دگردیسی تصاویر با نسبت حقیقی از چهره متوسط مجموعه ای از جوانان حاصل شده است.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 5. نتایج مرتبط به پیری چهره و جوان سازی آن. a) نتایج انتقال جزییات سطوح بر مبنای تصویر. b) نتایج مربوط به ادغام چهره

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 6. پیری چهره توسط مدل های ترکیب بافتی. a) مدل ارتجاعی و مومینه. b) ساختار لایه بندی شده مدل پوست. c) هشت ماسک عمومی.

انیمیشن مرتبط به روند پیری از طریق ضرب کردن تصویر مقصد و تصاویر با نسبت ترتیبی حاصل می گردد.با تجزیه و تحلیل خصوصیات توزیع پیکسلی در مناطق محلی، ماکادیا و اندو، چین و چروک و نقاط چهره تفکیک شده و استخراج شده را برای ترکیب پیری پوست نشان دادند. گاندی سیستم ترکیب سنی را در دنیای واقعی نشان داد. پایگاه داده سنی مربوطه شامل 800 چهره گرداوری شده از اینترنت با محدوده سنی 15 تا 99 بوده است. این سیستم با متمرکز کردن مشخصه های چهره و استانداردسازی خصوصیات چهره آغاز به کار می کند. بعد از مطابقت، تصاویر آماده شدهبا توجه به سن انسانی برای شکل دادن چهره های مشخص گروه بندی شده، که تفاوت های سنی قابل توجهی را نشان می دهد. ترکیب سنی، و به ویژه ترکیب بافت، با مد نظر قرار دادن تصاویر شاخص و پیش بینی سنی بر مبنای رگرسیون مد نظر قرار می گیرد. ژیانگ و وانگ فرایند ترکیب پیری و جوانسازی چهره را از پردازش تصاویر نشان نی دهند. این پایگاه داده در ابتدا به گروه های سنی مختلفی دسته بندی می شود. در هر گروه، دو مدل تانسور با سه روش ( پیکسل، هویتف و سن) بر روی تصاویر اصلی و تصاویر با کیفیت پایین تر ، به ترتیب ایجاد می گردد. بر مبنای این فرضیه که واریانس ها در تصاویری با کیفیت پایین با سنین متفاوت می تواند قابل چشم پوشی باشد، ترکیب پیری و جوانسازی توسط طرح ریزی پارامترهای هویتی از فضای تانسور با وضوع پایین تا از فضای تانسور با وضوع بالا ایجاد می گردد. این تکنیک اساسا بر روی تصویر چهره افراد بالغ موثر می باشد. چون هیچ انطباق چهره ای وجود ندارد، نتایج ترکیب همچنان نیاز به بهبود دارد.

3.2.3 ترکیب آماری ضمنی

ترکیب آماری ضمنی تمرکزش را بر روی تحلیل ظاهر قرار می دهد، جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. مد نظر قرار می گیرد. بالا رفتن سن فرد برای ترکیب سبک های سنی متفاوت یا افراد مختلف مد نظر قرار می گیرد.

لانیتیس و همکارانش از AAM برای ایجاد توابع سنی چهره افراد جوان پایین تر از 30 سال استفاده کردند، که PCA برای استخراج شکل و تغییرات بافت از مجموعه ای از نمونه های آموزشیبکار گرفته شده است. ضریب PCA برای بازسازی خطی نمونه های آموزشی به عنوان پارامترهای مدل مد نظر قرار داده می شوندف که به کنترل انواع متفاوت تغییرات ظاهری می پردازند. پارامتر 6 در این فعالیت نشان دهنده روند پیری می باشد. این مدل روند پیری برای استانداردسازی سن مورد استفاده قرار گرفته و علاوه بر این عملکرد تشخیص چهره را بهبود می بخشد. شکل 7، نمونه AAM را نشان داده و ترکیب ظاهر سنی توسط روش لانیتیس حاصل می گردد. اسکاندرت و همکارانش از روش آماری مشابهی با تعمیم نظری بیشتر برای ایجاد فاصله سنی برای چهره انسان استفاده کرده اند. خط سیر مشخص ذهنی افراددر مدل فضایی با ترکیب تاثیرات سنی چهره بر طبق به همبستگی جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. پترسون و همکارانش به گزارش مقایسه اولیه نتایج پیری چهره با استفاده از مدل AAM با افزایش سن با توجه به پیش بینی ها پرداختند.

چون رنگ RGB تصاویر چهره شامل مجموعه ای از سرنخ های پیری همانند تجمه رنگدانه های پوست، چروک، و رنگ مو می باشدف بارت و پرت الگوریتمی را برای پیری چهره نسل های اروپایی و جئان سازی  با مد نظر قرار دادن اطلاعات شکل و رنگ نشان دادند. ایده اصلی استخراج الگوی پیری از طریق بدست آورد تفاوت های ظاهری بین چهره های مرکب از گروه های سنی مختلف بعد از مطابقت بین گروهی می باشد. این تفاوت ها مقیاس بندی شده و به چهره های جدید برای طراحی بافت و شکل با در نظر گرفتن تاثیرات پیری و جوان سازی می باشد.

فو و ژنگ چارچوبی را در ارتباط با ترکیب چهره بر مبنای مدلسازی چهره تصاویر واقعی نشان می دهند. تصویر نسبت پری چهره (ARI) حاصل از پایگاه داده روند پیری برای تغییرات بافت می باشد. شکل های کاریکاتوری شده برای دگردیسی تصاویر مربوطه ادغام می گردد. با مد نظر قرار دادن چهره متوسط یک جوانف تصاویر ترسیم شده از رطیق افزایش تمایزهای فردی مد نظر قرار می گیرد، در حالی که بافت های تغییر یافته باعث تکثیر ARI در طی ایجاد کاریکاتور می شود.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 7. پیری چهره با استفاده از تجزیه و تحلیل مدل ظاهر و مولفه های اصلی. a) مدل ظاهر فعال. b) نتایج ترکیب ظاهر بدنبال پیری.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 8. مدل پیری چهره دینامیک چند لایه

مدل پارامتر دو بعدی طرح شده می تواند به دستکاری فرایند زمانی پیر سازی یا جوان سازی با تاثیرات تصاویر واقعی پرداخته، که از مدلسازی چهره سه بعدی اجتناب می کند. شکل 5b نمونه دستکاری شده پهره های ترکیبی را نشان می دهد.

رامانسان و چپالا چارچولبی از پیری چهره را مطرح می کنند. این پیری چهره توسط مدل ماهیچه ای پارامتری فیزیکی دستکاری می گردد، در حالی که روند پیری بافت توسط توابع چین و چروک بر اساس تغییرات تصویر نشان داده می شود. این مدل به پیش بینی و شبیه سازی روند پیری چهره در دو مورد می پردازد: که شامل افزایش وزن و کاهش وزن می باشد. مدل ترکیب چین و چروک باعث ایجاد تاثیرات مختلفی همانند دقیق، متوسط و قوی می گردد.

سو و همکارانش مدل روند پیری چهره دینامیک را با نمایش چندوضوحی و چندلایه نشان داده اند. با در نظر گرفتن لایه ها و نمودار، همه 50000 چهره چهره به بخش های مختلف تقسیم می شوند. تاثیرات روند پیری کلی حاصل از سبک موی جهانی و تغییرات چهره، تغییر مولفه های چهره، و تغییرات مرتبط به چروک چهره می باشد. مدل فرایند مارکف بر مبنای ساختارهای نمودار داده آموزشی می باشد. ساختارهای نمودار بر مبنای گروه های سنی مختلف در نهایت از نقطه نظر مدل دینامیک برای ترکیب روند پیری چهره نمونه برداری می گردد. شکل 8 این مدل و بعضی از تاثیرات ترکیب سنی را نشان داده که نتایج تصاویر واقعی را به نمایش می گذارد.

شربام و همکارانش ترکیب مربوط به روند پیری چهره سه بعدی را از طریق مدل دگردیسی شده نشان می دهند، که برای تصاویر در هر حالت و روشنایی کاربرد دارند. با استفاده از تابع SVR غیرخطی، آن ها به محاسبه منحنی چهره های داده شده از پایگاه داده از تصاویر اسکن شده سه بعدی 238 نوجوان و 200 فرد بالغ پرداختند. چهره افراد نوجوان در محدوده سنی 8 تا 16 سال بوده، که 125 نفر مرد و 113 نفر آن ها زن بوده اند. کاربرد سیستم این می باشد تا به پلیس برای یافتن کودکان گم شده کمک کند.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

اگر پایگاه داده آموزشی بزرگی در دسترس باشد که تغییرات مناسب را مد نظر قرار دهد، ترکیب آماری ضمنی کاربردی تر و موثرتر می باشد. اگر این پایگاه داده آموزشی کوچک باشد، ترکیب داده های مشخص دارای تاثیر بیشتری برای ترکیب رشد کالبد چهره با گذشت سن بوده و ترکیب مکانیکی صریح برای برآورد روند پیری بعد از بلوغ موثر تر می باشد. شکل 9 نمودار دسته بندی شده ای از ارتباط بین الگوریتم های ترکیب سنی را نشان می دهد.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 9. نمودار دسته بندی شده الگوریتم های ترکیب سنی

4. برآورد سن از طریق چهره

در مقایسه با مجموعه زیادی از تحقیقات بر روی ترکیب روند پیری که در بالا نشان داده شده است، موارد منتشر شده نسبتا کمی به طور خاص بر روی برآورد سن وجود دارد. این موقعیت به سه دلیل می باشد. 1) برآورد سن به عنوان یک مسئله دسنه بندی استاندارد نمی باشد. در نتیجه سناریوهای کاربردی مختلف، می توان آن را بر مبنای مسئله دسته بندی چندگانه و مسئله رگرسیون مد نظر قرار داد. 2) جمع اوری پایگاه داده بزرگ مرتبط به روند پیری به ویزه برای مجموعه تصاویر با قیاس زمانی برای یک فرد مشکل می باشد. همان طور که در [37], [23], [36] نشان داده شده است، افزایش سنی آشکار شده بر روی چهره ها به چهره غیرقابل کنترل و شخصی می باشد. چنین مشخصه های خاص مرتبط به تغییرات روند پیری به طور دقیق به دلیل اطلاعات متنوع و فراوان توسط چهره انسان حاصل نمی گردد. سیستم برآورد سنی کنونی که از تصاویر چهره استفاده می کند معمولا شامل دو مدل الحاقی می باشد: که شامل بازنمایی تصویر سنی، و تکنیک برآورد سن می باشد.

4.1 بازنمایی تصویر سنی

4.1.1 مدل های اندازه گیری بدن انسان

جدیدترین مقاله منتشر شده در حوزه طبقه بندی سنی از چهره چهره آثار کون و لوبو  بوده است. اید اصلی این رویکرد جستجوی بررسی هایی در نظریه تکامل چهره – جمجمه می باشد. نظریه پژوهشی چهره – جمجمه از یک مدل ریاضی- مدل دگردیسی رشته های کاردیوئیدی- برای شرح تکامل سر انسان از نوزادی تا بلوغ می باشد: جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. ، که جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.  زاویه شکل گرفته از محور عمودی می باشد، R به عنوان شعاع دایره می باشد، K به عنوان پارامتری می باشد که با گذشت زمان افزایش می یابد، و به عنوان رشد متوالی دایره با گذشت زمان می باشد. فارکاس بررسی جامعی از اندام شناسی چهره را نشان می دهد. فارکاس به تعریف مبحث اندام سنجی چهره از نقطه نظر ارزیابی های انجام گرفته از 57 نقطه یا نقاط ثابت بر روی چهره انسان در سنین متفاوت  برای مثال از دوران نوزادی تا بلوغ می پردازد. در ارتباط با مشخصه افزایش سن، مردم معمولا از نسبت فاصله اندازه گیری شده از نقاط چهره، به جای استفاده مستقیم از مدل های ریاضی که در [32] نشان داده شده است، استفاده می کنند. دو دلیل وجود دارد که افراد از فرمول بندی ریاضی برای برآورد سنی استفاده نمی کنند: 1) مدل ریاضی نمی تواند به مشخص کردن نیمرخ سر بچهره طبیعی، به ویزه زمانی که سن نزدیک به دوران بلوغ می باشد، بپردازد و 2) اندازه گیری نیمرخ سر از تصاویر چهره دو بعدی مشکل می باشد. در ارتباط با توصیف شخصیتی تصاویر سنی، کون و لوبو، شش نسبت فاصله را در ارتباط با تصویر چهره جلو محاسبه کرده و آن ها را برای تفکیک کودک از فرد بزرگسال مورد استفاده قرار می دهد. این بررسی ها بر روی پایگاه داده کوچکی با 47 چهره انجام گرفت. محقق به گزارش عملکرد کلی بر روی این پایگاه داده کوچک  نپرداخته اما نتایج را با استفاده از هر نسبت نشان می دهد.

رامانسان و چلاپا از هشت نسبت اندازه گیری فاصله برای مدلسازی روند افزایش سن در چهره های جوان برای مثال 0 تا 18 سال استفاده می کنند. هدف پیش بینی چهره فرد بر مبنای سن و تشخیص چهره به دنبال افزایش سن می باشد. بررسی ان ها در پایگاه داده ای با 233 تصویر از 109 فرد انجام شده، که بخشی از ان ها از پایگاه داده روند پیری FG-NET و بخش دیگر از مجموعه های خودشان گرداوری شد. آن ها به گزارش جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. که برای نمونه از 8 درصد ( بدون پیش بینی سن) تا 15 درصد (با تغییر سن) برای تشخیص چهره دسته 1 بوده است. گونای و نببیوف انواع مختلفی از چنین رویکردی را برای آشکارسازی خصوصیات مبحث اندازه گیری بدن انسان به منظور برآورد سن مطرح کردند.

روش برآورد شنبر مبنای مدل اندام سنجی تنها می تواند در ارتباط با سن افراد جوان باشد زیرا شکل سر انسان تغییر زیادی در دروران بلوغ نمی کند. مون و لوبو به بررسی چین و چروک تصویر چهره برای تفکیک افراد بالغ جوان از افراد بالغ مسن تر پرداختند. این چین و چروک ها در چندین بخش همانند پیشانی، نزدیک چشمان، و نزدیک استخوان گونه مورد بررسی قرار گرفت. وجود چین و چروک ها در این بخش بر مبنای حضور منحنی ها در این بخش می باشد.

در مجموع، مدل اندامسنجی برای سنین جوان مناسب می باشد، اما برای افراد مسن مناسب نیست. عملا تنها بخش جلو چهره می تواند برای اندازه گیری وضعیت چهره مورد استفاده قرار گیرد زیرا نسبت فواصل از چهره چهره دوبعدی محاسبه می گردد که حساس به وضعیت سر می باشد. تا به حال، هیچ نتایج گزارش شده ای در مورد پایگاه داده بزرگ برای برآورد سن انسان با استفاده از مدل اندام سنجی وجود نداشته است. در نهایت، ارائه مدل اندام سنجی تنها هندسه چهره را و نه اطلاعات بافتی را مد نظر قرار می دهد، و اندازه گیری های مرتبط به اندام شناسی توسط فرانکاس اساسا بر مبنای چهره نژاد اروپایی به جای افراد از مناطق دیگر می باشد.

4.12 مدل های ظاهر فعال

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.