新型面部老化預測技術，幫助尋找丟失兒童

credit: University of Bradford

英國布拉德福德大學的研究人員開發了一套新演算法，能夠根據特定年齡的關鍵面部特徵(如臉頰、嘴巴、額頭形狀)的信息，合成新的面部特徵，生成不同年齡段的面部圖像。

該技術採用預測模型法，將其應用於人類面部老化過程。研究人員整合了大量個體在不同年齡段的面部特徵數據，讓計算機學習人類的面部老化過程。此方法能夠提高現有技術，增強準確性。主要研究人員Hassan Ugail教授表示：

單單在英國，每年記錄在案的失蹤人口案例就達30萬左右。我們希望盡量提升搜尋失蹤人口的現有技術，尤其針對那些失蹤已久的人。

研究人員採用「逆衰老法」測試結果的準確性。他們抓取一些照片，逆向運行程序，生成年輕時的圖像。隨後，他們將運行結果和真實照片進行比較。

研究人員將本·尼達姆的照片作為測試案例。1991年7月24日，他失蹤於希臘科斯島，當時僅21個月大。他從未被找到，但調查員曾公布過一些圖像，分別顯示了他在11-14歲、17-20歲、20-22歲時的可能長相。如今，研究人員採用最新方法處理本的原始照片，生成他6歲、14歲、22歲時的模樣。生成圖像和調查員公布的圖像存在很大差異。研究人員認為，最新結果更接近於本如今的相貌。

一套有效方法需要做到兩點：第一，生成圖像必須符合推斷年齡；第二，生成圖像必須保留對象的特徵。研究人員採用計算機方法和人為方法對結果進行評估。結果顯示，兩種方法均表明，相較於調查員公布的圖像，最新生成圖像更像本的原始照片。

Ugail教授表示：

這套方案能夠生成更具個性化的結果，因此更加精確。這是由於我們採用了大量面部圖像數據，涵蓋不同種族、不同性別，以訓練演算法。此外，我們的模型還能夠採集親屬的數據，如父母、祖父母、兄弟姐妹。因此，它能夠生成更精確、更具個性化的面部老化結果。現有方法採用線性或一維方法，而我們的方法是非線性的。

目前，研究人員正在進一步測試這套方案，同時研究如何進行改良。

本文譯自 sciencedaily，由譯者 蛋花 基於創作共用協議(BY-NC)發布。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！