基于正面头影测量标志点面部测量的机器学习在法医学应用中估计性别与年龄

面部分析允许许多研究，其中最重要的是颅面识别、人脸识别以及年龄与性别估计。在法医学中，照片人类学（photo-anthropometry）描述了对面部生长的研究，并允许通过使用一组头影测量标志点来识别面部颅骨发育中的模式，以估计人类学信息。在若干领域中，手动程序的自动化已取得优于法医学专家的优势，并达到相似的测量置信度。本手稿提出了一种使用由正面面部头影测量标志点生成的照片人类学指标，来创建人工神经网络分类器的方法，该分类器允许估计人类学信息，在此具体案例中为年龄与性别。工作聚焦于四项任务：i) 对 5 至 22 岁年龄段的性别估计，评估年龄对性别估计的干扰；ii) 基于照片人类学指标对四个年龄区间（1 年、2 年、4 年和 5 年）进行年龄估计；iii) 对超过 14 岁和超过 18 岁阈值的年龄组估计；以及 iv) 提供一个新的数据集，仅用于学术目的，包含由法医学专家标记并检查的大量且完整的面部照片人类学点集，测量自过去 4 年中来自巴西的超过 18,000 张人脸。所提出的分类器使用该新数据集，在对超过 14 岁个体的性别估计中取得了显著结果，通过 F_1 度量达到大于 0.85 的准确率值。对于年龄估计，年龄区间为 5 年时的准确率结果为 0.72。对于年龄组估计，14 岁和 18 岁阈值的准确率度量分别大于 0.93 和 0.83。