Age group classification is the process of automatically determining an individual’s
age range based on features extracted from facial image. It plays an important role in
many real-life applications such as age specific human computer interaction, forensic
art, access control and surveillance monitoring, person identification, data mining
and organization, and cosmetology. In this thesis, we propose facial age
classification approaches based on local and global descriptors extracted through
feature selection methods.
This thesis proposes two different methods on facial age classification. The first
proposed method is a novel and efficient age group classification approach that
combines holistic and local features extracted from facial images. These combined
features are used to classify subjects into several age groups in two key stages. First,
geometric features of each face are extracted to construct a global facial feature.
Support Vector Classifier (SVC) is used to classify the facial images into several age
groups using computed facial feature ratios. Then, local facial features are extracted
utilizing subpattern-based Local Binary Patterns (LBP) to classify adults. These
combined features are used to classify subjects into six major age groups. The
superiority of subpattern-based LBP over Principal Component Analysis (PCA) and
Subspace Linear Discriminant Analysis (subspace LDA)techniques is presented.
The second proposed method presents geometric feature-based model for age group
classification of facial images. The feature extraction is performed considering
significance of the effects that age has on facial anthropometry. In this context, Particle Swarm Optimization (PSO) technique is used to find optimized subset of
geometric features. Age Classification on these features is evaluated using SVC.
Wrinkle feature analysis is also applied to classify adult images. The facial images
are categorized into seven major age groups.
The effectiveness and accuracy of the proposed age classification are demonstrated
with the experiments that are conducted on two publicly available databases namely
Face and Gesture Recognition Research Network (FGNET) and Iranian Face
Database (IFDB). The experimental results show significant improvement of the
proposed methods compared to the state-of-the-art models.
Keywords: Age group classification, feature extraction, Local Binary Patterns,
Particle Swarm Optimization.
Öz: Yaş grubu sınıflandırması, bir insanın yaşını yüz resminden çıkarılan özniteliklere
bağlı olarak otomatik bir şekilde belirleme işlemidir. Bu işlem gerçek hayattaki,
insan tanıma, veri madenciliği ve organizasyonu, ve kozmetik gibi alanlarda önemli
bir rol oynar. Bu tezde, öznitelik seçici yöntemlerle yerel ve evrensel metodları
kullanıp yüz resimlerinden yaş sınıflandırması yapan yaklaşımlar önerilmiştir.
Bu tezde, insan yüzünden yaş sınıflandırma yöntemi üzerine önerilen iki yaklaşım
vardır. İlk yöntem yeni ve etkili yaş grubu sınıflandırması için yüz resimlerinden
bütünsel ve yerel öznitelikler çıkaran bir yaklaşımdır. Bu birleştirilmiş öznitelikler
iki aşamada birçok yaş grubuna göre sınıflandırma yapmak için kullanılırlar. İlk
aşamada, evrensel bir yüz özniteliği oluşturmak için herbir yüz resiminin geometrik
öznitelikleri çıkartılır. Hesaplatılan yüz öznitelik oranları ve Destekçi Vektör
Sınıflandırıcı (SVC) kullanılarak yüz resimleri birçok yaş grubuna göre
sınıflandırılır. Daha sonra yetişkinleri sınıflandırmak için alt-örüntüye dayalı Yerel
İkili Örüntü (LBP) yöntemiyle yerel yüz öznitelikleri çıkartılır. Bu birleştirilmiş
öznitelikler kişileri altı ana yaş grubuna göre sınıflandırır. Alt-örüntüye dayalı LBP
yönteminin Ana Bileşenler Analizi ve altuzay Doğrusal Ayırtaç Analizi yöntemlerine
göre daha iyi oluğu gösterilmiştir. Önerilen ikinci yöntem yüz resimleri üzerinde
geometrik öznitelikler kullanarak yaş grubu sınıflandırması yapan bir yaklaşımdır.
Öznitelik çıkarma işlemi yaşlanmanın yüzdeki belirgin etkileri gözönünde
bulundurularak yapılmıştır. Bu bağlamda, Parçacık Sürü Optimizasyonu (PSO)
tekniği kullanılarak en iyi geometrik öznitelikler kümesi bulunmuştur. Bu
öznitelikler, yaş sınıflandırma işleminde SVC yardımıyla değerlendirilirler. Ayrıca, yetişkilerin yaş sınıflandırması için kırışıklık öznitelik analizi de uygulanmıştır. Bu
işlemlerin sonucunda yüz resimleri yedi ayrı yaş grubuna ayrılmıştır.
Önerilen yaş sınıflandırma yöntemlerinin etkisi ve başarımı “Face and Gesture
Recognition Research Network”(FGNET) ve“Iranian Face Database” (IFDB)
veritabanları kullanılarak yapılan deneylerle gösterilmiştir. Deney sonuçları, önerilen
yöntemlerin literatürdeki diğer yaklaşımlara göre daha iyi sonuç verdiğini
göstermiştir.
Anahtar Kelimeler: yaş grubusını flandırması, öznitelik çıkarma, Yerelİkili Örüntü,
Parçacık Sürü Optimizasyonu.
