چکیده فارسی :

سن انسان، به عنوان یکی از خصوصیات شخصی مهم، می تواند مستقیما توسط طرح های متمایزی که از حالت چهره ناشی می گردد، تشخیص داده شود. به دلیل پیشرفت های سریع در برنامه های گرافیکی کامپیوتری و دید ماشینی، ترکیب سنی بر مبنای کامپیوتر و تخمین آن از طریق صورت امروره به عنوان یک موضوع رایج مشخص بوده که این به دلیل ازدیاد برنامه های کاربردی در دنیای واقعی همانند هنرهای بدیعی، مدیریت ارتباط با مشتری بصورت الکترونیکی، کنترل امنیتی و بررسی های نظارتی، زیست سنجی، سرگرمی و هنرهای تزیینی می باشد. ترکیب سنی به معنی تفسیر تصویری از چهره با توجه به مبحث زیباشناسی به همراه سن طبیعی و تاثیرات جوان سازی چهره بر روی صورت افراد می باشد. تخمین سن چهره افراد به صورت اتوماتیک یا در نظر گرفتن سن دقیق یا گروه سنی مربوط به چهره افراد می باشد. با توجه به دقت و پیچیدگی، هر دو مسئله دارای جذابیت بوده و برای طراحان سیستم برنامه های کاربردی بر مبنای کامپیوتر به عنوان یک چالش می باشد. تلاش های زیادی در بخش های آکادمیک و صنعتی در طی چند دهه گذشته به این موضوع اختصاص داده شده است. در این مقاله، ما به بررسی تکنیک های امروزی در ترکیب سنی مربوط به چهره افراد و موضوع تخمین آن می پردازیم. مدل های کنونی، الگوریتم های رایج، عملکرد سیستم، مشکلات فنی، پایگاه داده رایج مرتبط به روند پیری، پروتکل های ارزیابی، و دستورالعمل های آینده نوید بخش توسط بحث های نظامند مد نظر قرار می گیرند.

چکیده انگلیسی :

Human age, as an important personal trait, can be directly inferred by distinct patterns emerging from the facial appearance. Derived from rapid advances in computer graphics and machine vision, computer-based age synthesis and estimation via faces have become particularly prevalent topics recently because of their explosively emerging real-world applications, such as forensic art, electronic customer relationship management, security control and surveillance monitoring, biometrics, entertainment, and cosmetology. Age synthesis is defined to rerender a face image aesthetically with natural aging and rejuvenating effects on the individual face. Age estimation is defined to label a face image automatically with the exact age (year) or the age group (year range) of the individual face. Because of their particularity and complexity, both problems are attractive yet challenging to computer-based application system designers. Large efforts from both academia and industry have been devoted in the last a few decades. In this paper, we survey the complete state-of-the-art techniques in the face image-based age synthesis and estimation topics. Existing models, popular algorithms, system performances, technical difficulties, popular face aging databases, evaluation protocols, and promising future directions are also provided with systematic discussions.

Index Terms :

Face aging, age estimation, age synthesis, age progression, survey.