OcularAge：基于虹膜和周围虹膜区域的儿童年龄估计比较研究

从眼部生物力学图像估计儿童年龄具有挑战性，主要due于生理变化微小且缺乏纵向数据集。尽管大多数生物力学年龄估计研究聚焦于面部特征和成年人，但针对儿童，尤其是虹膜和周围虹膜区域的分析仍相对不足。本研究对虹膜和周围虹膜图像用于估计 4 至 16 岁儿童年龄进行比较评估。我们利用由 288 名儿童受试者在八年间收集的超过 21000 张近红外 (NIR) 图像构建纵向数据集，采用两种不同的成像传感器。采用多任务深度学习框架联合进行年龄预测和年龄组分类，系统性地探讨了不同卷积神经网络 (CNN) 架构，特别是针对非正方形眼部输入的架构，如何捕捉儿童眼部图像中固有的复杂变异性。结果显示，周围虹膜模型在一致性上优于虹膜模型，实现均方绝对误差 (MAE) 为 1.33 年，年龄组分类准确率为 83.82%。这些结果标志着可靠地从儿童眼部图像进行年龄估计的首次实现，为面向儿童的应用提供了隐私保护的年龄验证手段。本 work 建立了儿童眼部年龄估计的首个纵向基准，为设计面向儿童的稳健生物识别系统奠定了基础。所开发的模型在不同成像传感器下表现出鲁健性，证明其在实际部署中的潜力。模型在资源受限的 VR 头显上实现每图像推理速度不足 10 毫秒，显示其适用于实时应用。