OcularAge: A Comparative Study of Iris and Periocular Images for Pediatric Age Estimation

要約

眼の生体認証画像からの子供の年齢を推定することは、微妙な生理学的変化と縦断的データセットの利用可能性が限られているため、困難です。
ほとんどの生体認証年齢推定研究では、顔の特徴と成人被験者に焦点を当てていますが、特に虹彩および眼周囲の領域の小児特異的分析は比較的未開拓のままです。
この研究では、4歳から16歳までの子供の年齢を推定するための虹彩と眼周囲の画像の比較評価を提示します。
2つの異なるイメージングセンサーを使用して8年間で288の小児科被験者から収集された21,000を超える近赤外（NIR）画像を含む縦断的データセットを利用しました。
年齢予測と年齢グループ分類を共同で実行するために、マルチタスクのディープラーニングフレームワークが採用され、異なる畳み込みニューラルネットワーク（CNN）アーキテクチャ、特に非二乗眼投入に適応されたアーキテクチャがどのように異なる畳み込み眼球入力に適応されるかを体系的に調査し、小児目の画像に固有の複雑な変動性をキャプチャします。
結果は、眼周囲モデルが一貫して虹彩ベースのモデルを上回り、1。33年の平均絶対誤差（MAE）と年齢層分類精度を83.82％に達成することを示しています。
これらの結果は、信頼できる年齢の推定が子供の眼画像から実行可能であることを最初に示し、子供中心のアプリケーションでプライバシーを提供する年齢チェックを可能にします。
この作業は、小児眼年齢推定のための最初の縦方向のベンチマークを確立し、堅牢で子供向けの生体認証システムを設計するための基盤を提供します。
開発されたモデルは、異なるイメージングセンサー全体で回復力があることが証明され、実際の展開の可能性が確認されました。
また、リソースに制約のあるVRヘッドセットで、画像ごとに10ミリ秒未満の推論速度を達成し、リアルタイムアプリケーションへの適合性を示しています。

要約(オリジナル)

Estimating a child’s age from ocular biometric images is challenging due to subtle physiological changes and the limited availability of longitudinal datasets. Although most biometric age estimation studies have focused on facial features and adult subjects, pediatric-specific analysis, particularly of the iris and periocular regions, remains relatively unexplored. This study presents a comparative evaluation of iris and periocular images for estimating the ages of children aged between 4 and 16 years. We utilized a longitudinal dataset comprising more than 21,000 near-infrared (NIR) images, collected from 288 pediatric subjects over eight years using two different imaging sensors. A multi-task deep learning framework was employed to jointly perform age prediction and age-group classification, enabling a systematic exploration of how different convolutional neural network (CNN) architectures, particularly those adapted for non-square ocular inputs, capture the complex variability inherent in pediatric eye images. The results show that periocular models consistently outperform iris-based models, achieving a mean absolute error (MAE) of 1.33 years and an age-group classification accuracy of 83.82%. These results mark the first demonstration that reliable age estimation is feasible from children’s ocular images, enabling privacy-preserving age checks in child-centric applications. This work establishes the first longitudinal benchmark for pediatric ocular age estimation, providing a foundation for designing robust, child-focused biometric systems. The developed models proved resilient across different imaging sensors, confirming their potential for real-world deployment. They also achieved inference speeds of less than 10 milliseconds per image on resource-constrained VR headsets, demonstrating their suitability for real-time applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google