Abstract: In this paper, a fast and

Abstract: In this paper, a fast and efficient gender and age estimation system based on facial images is developed. There are
many methods have been proposed in the literature for the age estimation and gender classification. However, all of them
have still disadvantage such as not complete reflection about face structure, face texture. This technique applies to both face
alignment and recognition and significantly improves three aspects. First, we introduce shape description for face model.
Second, the feature extraction phase, two geometric features are evaluated as the ratios of the distances between eyes, noses,
and mouths. Finally, we classified the gender and age based on the association of two methods: geometric feature based
method and Principal Component Analysis (PCA) method for improving the efficiency of facial feature extraction stage. The
face database contains the 13 individual groups. Within a given database, all weight vectors of the persons within the same
age group are averaged together. A range of an age estimation result is 15 to 70 years old, and divided into 13 classes with 5
years old range. Experimental results show that better gender classification and age estimation.
Keywords: gender classification, age estimation, principal component analysis, face recognition, feature extraction.

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ: บทความนี้เพศรวดเร็วและมีประสิทธิภาพและระบบการประมาณอายุขึ้นอยู่กับภาพใบหน้าได้รับการพัฒนา
มีวิธีการมากมายที่ได้รับการเสนอในวรรณคดีสำหรับการประมาณอายุและการจำแนกเพศ
แต่ทั้งหมดของพวกเขายังคงมีข้อเสียเช่นไม่สะท้อนที่สมบูรณ์เกี่ยวกับโครงสร้างใบหน้าเนื้อใบหน้า
เทคนิคนี้ใช้กับทั้งใบหน้าของการจัดตำแหน่งและการรับรู้และช่วยเพิ่มอย่างมีนัยสำคัญสามด้าน ครั้งแรกที่เราแนะนำคำอธิบายสำหรับรูปแบบรูปทรงใบหน้า. ประการที่สองขั้นตอนการสกัดคุณลักษณะสองคุณสมบัติทางเรขาคณิตได้รับการประเมินเป็นอัตราส่วนของระยะทางระหว่างตาจมูกและปาก สุดท้ายเราจำแนกเพศและอายุอยู่บนพื้นฐานของความสัมพันธ์ของสองวิธี: คุณลักษณะทางเรขาคณิตตามวิธีการและการวิเคราะห์องค์ประกอบหลัก(PCA) วิธีการในการปรับปรุงประสิทธิภาพของคุณลักษณะใบหน้าขั้นตอนการสกัด ฐานข้อมูลใบหน้ามี 13 กลุ่มแต่ละบุคคล ภายในฐานข้อมูลที่ได้รับทั้งหมดเวกเตอร์น้ำหนักของบุคคลภายในเดียวกันกลุ่มอายุเฉลี่ยจะอยู่ด้วยกัน ช่วงของผลการประมาณอายุคือ 15-70 ปีและแบ่งออกเป็น 13 ชั้นเรียน 5 ปีช่วงเก่า ผลการทดลองแสดงให้เห็นว่าการจำแนกเพศที่ดีขึ้นและการประมาณอายุ. คำสำคัญ: การจำแนกเพศประมาณอายุการวิเคราะห์องค์ประกอบหลักจดจำใบหน้าสกัดคุณลักษณะ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ ในกระดาษนี้ , รวดเร็วและมีประสิทธิภาพระบบการประมาณอายุ เพศ และตามหน้าภาพที่พัฒนาขึ้น มีหลายวิธีที่ได้เสนอ
ในวรรณกรรมสำหรับอายุประมาณและการจำแนกเพศ แต่ทั้งหมดของพวกเขา
ยังเสียเปรียบ เช่น โครงสร้าง เรื่องหน้าไม่สมบูรณ์สะท้อนพื้นผิวหน้า เทคนิคนี้ใช้ได้กับทั้งหน้า
การจัดตำแหน่งและการรับรู้และอย่างมีนัยสำคัญปรับปรุง 3 ด้านคือ แรกเราแนะนำรูปร่างคำอธิบายสำหรับหน้ารูปแบบ .
2 คุณลักษณะการสกัดเฟสสองคุณสมบัติทางเรขาคณิตจะประเมินว่าอัตราส่วนของระยะทางระหว่าง ตา จมูก และ ปาก
. ในที่สุด เราจำแนกเพศและอายุขึ้นอยู่กับสมาคมสองวิธี : ลักษณะทางเรขาคณิตตาม
โดยการวิเคราะห์องค์ประกอบหลัก ( PCA ) วิธีการในการปรับปรุงประสิทธิภาพของการสกัดคุณลักษณะหน้าเวที
หน้าฐานข้อมูลประกอบด้วย 13 บุคคลกลุ่ม ภายในให้ฐานข้อมูลทั้งหมดน้ำหนักเวกเตอร์ของบุคคลในกลุ่มอายุเดียวกัน
จะเฉลี่ยกัน ช่วงของการประมาณผล คือ อายุ 15 - 70 ปี และแบ่งเป็น 13 ห้องเรียนเก่า
ช่วง 5 ปีผลการทดลองแสดงให้เห็นว่าเพศดีกว่าการประมาณอายุ .
คำสำคัญการประมาณอายุ เพศ การวิเคราะห์องค์ประกอบหลัก , หน้ารับรู้ การสกัดคุณลักษณะ