新型面部老化预测技术，帮助寻找丢失儿童

credit: University of Bradford

英国布拉德福德大学的研究人员开发了一套新算法，能够根据特定年龄的关键面部特征(如脸颊、嘴巴、额头形状)的信息，合成新的面部特征，生成不同年龄段的面部图像。

该技术采用预测模型法，将其应用于人类面部老化过程。研究人员整合了大量个体在不同年龄段的面部特征数据，让计算机学习人类的面部老化过程。此方法能够提高现有技术，增强准确性。主要研究人员Hassan Ugail教授表示：

单单在英国，每年记录在案的失踪人口案例就达30万左右。我们希望尽量提升搜寻失踪人口的现有技术，尤其针对那些失踪已久的人。

研究人员采用“逆衰老法”测试结果的准确性。他们抓取一些照片，逆向运行程序，生成年轻时的图像。随后，他们将运行结果和真实照片进行比较。

研究人员将本·尼达姆的照片作为测试案例。1991年7月24日，他失踪于希腊科斯岛，当时仅21个月大。他从未被找到，但调查员曾公布过一些图像，分别显示了他在11-14岁、17-20岁、20-22岁时的可能长相。如今，研究人员采用最新方法处理本的原始照片，生成他6岁、14岁、22岁时的模样。生成图像和调查员公布的图像存在很大差异。研究人员认为，最新结果更接近于本如今的相貌。

一套有效方法需要做到两点：第一，生成图像必须符合推断年龄；第二，生成图像必须保留对象的特征。研究人员采用计算机方法和人为方法对结果进行评估。结果显示，两种方法均表明，相较于调查员公布的图像，最新生成图像更像本的原始照片。

Ugail教授表示：

这套方案能够生成更具个性化的结果，因此更加精确。这是由于我们采用了大量面部图像数据，涵盖不同种族、不同性别，以训练算法。此外，我们的模型还能够采集亲属的数据，如父母、祖父母、兄弟姐妹。因此，它能够生成更精确、更具个性化的面部老化结果。现有方法采用线性或一维方法，而我们的方法是非线性的。

目前，研究人员正在进一步测试这套方案，同时研究如何进行改良。

本文译自 sciencedaily，由 蛋花 编辑发布。