Predicting people's age from their facial image : a study based on the characterization and the analysis of the signs of aging
Prédire l'âge de personnes à partir de photos du visage : une étude fondée sur la caractérisation et l'analyse de signes du vieillissement
Résumé
Age has always been an important identity attribute. Mankind has developed, throw the evolutionary process, an innate ability to classify individuals according to their ages. This classification is partly driven by the face and the anatomical transformations that occur with time. Many dermatological, cosmetic or surgical procedures are developed to fight again signs of aging. Therefore, we can wonder how these procedures modify the perceived age of people who achieve them. In order to build an algorithm that will predict someone age from his front face picture, we have study the signs of facial aging and their incidence on perceived age. Firstly we have analyzed the anatomical transformations that alter the adult face. Secondly, we have determined the signs of aging which mostly drive the human perception of age. Finally, we have built and validated a predictive model of age thanks to the results of the first two steps. Anatomical transformation of the face with age: The importance of 21 signs of aging has been measured on a representative panel of Caucasian women aged between 20 and 74 years. This data have enabled to build the kinetic of facial aging. Subjective judgment of age: The objective was to determine which signs drive observers' perception when evaluating people age. Forty height observers were therefore asked to give an age to the volunteers whose aging signs were previously measured. The perception of age was shown to be bias by the age and the gender of the observers. Moreover, the relation between the signs of aging and the perceived age was evaluated using Partial Least Square (PLS) regression. Particularly, it was shown that depending on the age or the gender of the graders, they do not similarly use the signs aging when predicting peoples' age. Age prediction model: Finally a model was proposed to predict peoples' age from their front face image using PLS regressions. The proposed model combines and the signs of aging related with the color, the shape and the texture of the face. Like the Active Appearance Model (AAM), the proposed model allows to strongly reduce the dimensionality of the information carried by the pixels values. However, this model is supervised and is thus appropriate in our context of learning by sample. The ability of our model to predict peoples' age is finally comparable with human.
L'âge a de tout temps constitué un attribut identitaire important. Nous avons développé au fil de l'évolution une aptitude innée à classer les individus en fonction de leur âge. Cette classification s'appuie en grande partie sur le visage et sur les transformations anatomiques qu'il subit au cours du temps. De plus en plus de traitements cosmétiques, dermatologiques et d'interventions chirurgicales s'attaquant à un signe ou un groupe de signes spécifiques du vieillissement sont mis en oeuvre pour annuler, ou tout au moins masquer partiellement l'effet du temps sur le visage. On peut dès lors s'interroger sur l'influence de chacun des signes sur notre capacité à prédire l'âge d'un individu en observant son visage. Afin de construire un algorithme capable de déterminer l'âge d'individus à partir de leurs photos, nous nous sommes intéressés aux signes du vieillissement et à leur impact sur l'âge apparent. Dans un premier temps, nous avons déterminé et analysé les transformations anatomiques qui altèrent le visage à partir de l'âge adulte (au-delà de 20 ans). Puis nous avons étudié les signes sur lequel on se base pour prédire l'âge d'une personne. Enfin, nous avons construit et validé un modèle prédictif de l'âge en s'appuyant sur les observations précédentes. Transformations anatomiques du visage avec l'âge : La prévalence d'un certain nombre de signes de vieillissement (rides, tâches brunes, forme du visage...) a été mesurée sur un panel représentatif de femmes volontaires âgées de 20 à 74 ans. Ces données ont permis d'établir la cinétique d'apparition de ces signes. Appréciation subjective de l'âge: Il s'agissait de déterminer les signes sur lesquels un observateur s'appuie lorsqu'il évalue l'âge d'un sujet. Pour ce faire, nous avons demandé à un panel constitué de 48 observateurs d'attribuer un âge aux volontaires sur lesquelles nous avions précédemment mesuré les signes du vieillissement. Nous avons confirmé avec ce groupe d'observateurs que la perception de l'âge est liée au sexe et à l'âge de l'observateur. De plus, à l'aide d'une régression PLS (Partial Least Square régression), nous avons établi des relations entre les signes du vieillissement et l'âge observé et démontré que selon que l'on soit jeune ou âgé, un homme ou une femme, on n'exploite pas les mêmes signes de vieillissement pour prédire l'âge.Modèle de prédiction : Enfin, nous avons proposé un modèle s'appuyant sur la régression PLS pour prédire automatiquement l'âge à partir des photos du visage. Ce modèle présente la particularité d'associer, dans une approche unifiée, les signes relatifs à la couleur, à la forme et à la texture du visage, à l'âge des sujets. A l'instar des Modèles Actifs D'apparence (AAM), le modèle construit vise à réduire fortement l'information portée par l'ensemble des pixels du visage. Toutefois, ce dernier est supervisé : Il est donc très approprié dans notre contexte puisque que l'on peut mettre en oeuvre une procédure d'apprentissage pilotée par le but. Les performances sont de fait comparables à celles des humains.