42、人脸识别年龄效应与唇生物特征数字识别研究

人脸识别年龄效应与唇生物特征数字识别研究

1. 人脸识别年龄效应研究

1.1 识别率与年龄组比例的关系

在人脸识别实验中，研究人员发现年龄组的规模对最终识别率有很大影响。实验采用了科罗拉多州立大学（CSU）开发的主成分分析（PCA）算法，以及FERET计划发布的公开FERET人脸数据库。

实验步骤如下：
1. 选取FERET数据库中FA和FB列表的图像，这些图像是同一人在相同日期但不同表情下拍摄的。
2. 去除没有真实标签的人员图像，最终样本包含986名年龄为10、20（其中两人为22岁）、30、40、50和60岁的人的图像，70岁的两人因占比太小被排除。
3. 若一个人的探测图像与图库图像的欧几里得距离小于探测图像与其他图库图像的距离，则认为该人被识别。整体识别率是正确识别的图像数量占所有测试探测图像的比例，各年龄组的识别率是该年龄组正确识别的图像数量占该年龄组所有探测图像的比例。

实验结果如下表所示：
| 年龄 | 数量 | 识别率（%） |
| ---- | ---- | ---- |
| 10 | 18 | 66.7 |
| 20 | 444 | 73 |
| 30 | 257 | 85.2 |
| 40 | 163 | 86.5 |
| 50 | 80 | 81.3 |
| 60 | 24 | 91.7 |

从表中可以看出，识别率总体上随年龄增长而增加，但识别率较高的年龄组在样本中的占比通常较低。当将样本中20岁和30岁的人数减少到如下表所示的数量时，这两个年龄组的识别率提高到接近老年组的水平，而老年组的识别率几乎保持