Variant-Age Face Recognition Using the Haar Algorithm

Hajer Najah Abdulsaheb

doi:10.3390/bdcc10100357

Variant-Age Face Recognition Using the Haar Algorithm

2026-10-21

0

OA

AI

H

Hajer Najah Abdulsaheb

N

Nooruldeen Q. Ismaeel

DOI：10.3390/bdcc10100357

原文链接

摘要

En 中文

跨年龄人脸识别仍然是一个挑战，因为随着时间的推移，人脸外观会发生显著变化，降低了传统识别系统的可靠性。所提出的框架引入了一种基于置信度的年龄感知匹配策略，该策略将人口统计筛选与自适应相似度融合相结合。所提出的系统采用多阶段架构，包括（1）通过Haar级联和AdaBoost分类器定位人脸以忽略非人脸区域，（2）执行年龄检测，融合基于PCA的分类与五个年龄组的人脸特征分析，以及（3）实施一种有原则的决策融合策略，该策略根据置信度估计对年龄约束匹配与整体匹配进行加权以产生最终匹配。在FG-Net老化数据集相对于基于PCA的人脸识别基线的全面评估中，性能提升明显。所提出的方法在FG-Net上达到96.48%的整体准确率，而基线为93.66%；GIRAF在应用年龄筛选后准确率保持稳定，基线和所提出的框架均达到97.35%，GIRAF数据集作为补充评估，并未提供关于年龄筛选益处的等效证据。F1分数指标在FG-Net上显著提升至0.9648，表明无论样本可用性如何，均能实现稳健的跨个体识别。此外，引入年龄筛选增加了处理时间，因为身份匹配前执行了额外的年龄估计阶段。然而，PCA表示显著降低了原始22,500像素表示的维度，从而减少了后续匹配阶段的计算负担。因此，年龄引导的方法降低了标准差（STD），表明稳定性增强、对年龄变化敏感性降低以及鲁棒性提高。我们提出的年龄感知人脸识别系统在认证应用中具有优势。此外，具有可解释置信度指标的决策过程在测试的硬件配置下高效且适用于近实时应用。然而，局限性源于数据集相对较小的规模以及PCA对对齐和照明的敏感性。此外，存在离散年龄分类错误的概率，可能导致误导性结果。未来工作将探索用基于现代深度学习的方法替换Haar级联检测器和PCA，用于人脸和年龄估计，以及在大规模老化数据集（如CACD）上评估系统。所提出的框架表明，轻量级年龄感知识别可以在保持低计算复杂度的同时显著提高识别鲁棒性。

Keyword:

face recognition

biometrics

multi-stage classification

PCA-based recognition

cross-age face recognition

Variant-Age Face Recognition Using the Haar Algorithm

摘要

期刊

机构

引用论文