基于人脸图像的性别识别方法研究

《基于人脸图像的性别识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：中国科学院大学UniversityofChineseAcademyofSciences硕士学位论文2013年5月ByLiTongyuADissertationSubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringInstituteofSemiconductor,ChineseAcademyofSciencesMay,2013独创性声明本人郑重声明：所提交的学

2、位论文，是本人在指导教师的指导下，独立进行研究工作所取得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人或集体已经发表或撰写过的研究成果，也不包含为获得中国科学院大学或其它教育机构的学位或证书所使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。签名：关于学位论文使用授权的说明本人完全了解中国科学院大学及中国科学院半导体研究所有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复

3、制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容。(涉密的学位论文在解密后应遵守此规定)签名：导师签摘要基于人脸图像性别识别方法的研究是模式识别研究的重要组成部分，是计算机为人类提供性别差异化服务的前提。它能够促进人工智能、计算机视觉和虚拟现实等许多领域的发展。本研究以现实应用为前提，以人脸图像为研究对象，旨在寻求稳定性和泛化能力较强的人脸图像性别识别方法。本研究归纳总结了性别识别所用的典型人脸图像库、典型性别特征提取方法和分类方法。首先，分析各

4、种典型人脸图像库的组成特点，指出典型人脸图像库并不适合性别识别方法的研究，需要建立符合条件的人脸图像库；其次，分析了典型的性别特征提取方法和分类方法，从时间复杂度和空间复杂度的角度分析了部分典型方法中存在的问题。针对不同的问题进行了深入研究，本研究主要贡献如下：(1)针对典型人脸图像库采集条件较为严格的问题，本研究建立了以普通证件照为标准的初级仿真人脸图像库S，对光线没有特殊要求。通过人眼归一化处理，建立了尺度为46x46的人脸图像库S1；(2)初步建立了性别识别人脸图像库的评价体系。通过对该库平均脸图像的三维消隐图、着色三维表面、等高线及数值

5、染色和聚类情况的分析，评价该库是否符合研究条件；(3)建立了等测试样本的实验标准和模型测试评价标准。以贝叶斯错误率为指导，规定测试样本性别比例为1：1，当男性识别率和女性识别率平均相差为15％时，判定统计的识别率无效；(4)提出两种基于特征融合的人脸图像性别识别方法。详细分析了PCA(PrincipalComponentAnalysis、、2DPCA(Two—DimensionalPCA)、2D2PAC(Two-directionaltwo-DimensionalPCA)、ICA(IndependentComponentsAnalysis)、L

6、DA(LinearDiscriminantAnalysis)和LBP(LocalBinaryPattern)方法的特点，引入能够用于二分类问题的OLDA(OrthogonalLDA)算法，特征维数较低的ULBP(UniformLBP)编码和快速提取独立分量的FastlCA(FastIC舢方法，利用线性SVM(SupportVectorMachine)方法对性别特征进行分类，通过在人脸图像库S1上对不同方法进行比较，提出了基于ULBP和PCA+OLDA的人脸图像性别识别方法，以这种特征融合结构为基础，提出了基于ULBP基于人脸图像的性别识别方法研

7、究和FastlCA+OLDA的人脸图像性别识别方法。两种方法在人脸图像库S1上表现优异，识别率受参数影响较小，通过双向的5倍交叉验证实验证明两种方法具备较强的稳定性；(5)为进一步模拟现实生活环境，综合考虑年龄、光照及人眼定位误差等情况，建立了人脸图像库A；为验证所建模型的泛化能力，建立了由异地人员组成的泛化能力验证库B。通过人眼归一化处理，建立了尺度为40x40的人脸图像库A1和泛化能力验证库B1用于实验。通过本研究所提出的评价方法，评价A1和B1符合研究条件；(6)在对Gabor人脸特征深入研究的基础上，综合了ULBP的局部纹理优势，提出了

8、一种基于LGBP(LocalGaborBinaryPattern)和OLDA的人脸图像性别识别方法，该方法数据维数更低，分类器采用基于余弦相似度的KN