近年来,基于人脸图像的生物特征识别研究取得了巨大的发展。同其它的生物特征识别相比,人脸特征具有自然性、方便性和非接触性等优点,使其在安全监控、身份验证、人机交互等方面具有巨大的应用前景。基于人脸图像的性别识别是指根据人的脸部图像判别其性别的模式识别问题。性别识别因其在身份认证、人机接口、视频检索以及机器人视觉中存在着潜在的应用,成为当前计算机视觉和模式识别领域中的热门研究课题之一,备受关注。综合查阅和分析当前人脸性别识别研究成果,发现大多数性别识别方法是对整幅人脸图像提取特征进行识别的。但这一特征识别方法对于存在遮挡或者污染的人脸图像其鲁棒性就比较差,同时整幅人脸图像识别也容易受到脸部表情变化的影响。相对的,各五官子区域受表情变化的影响较小,对于部分不可见的人脸图像亦可仅用可见部分识别。因而本文提出了五官子区域及其组合的性别识别方法。本文详细比较了脸部五官各子区域对性别识别的贡献大小,包括眼睛、鼻子、嘴巴、下巴以及归一化的脸内部区域(包括眼睛、鼻子、嘴巴和下巴)。实验在FERET人脸数据库上进行,对于给定的一幅人脸图像,通过对图像的预处理,使人脸图像归一化,并分割出五官各子区域。实验对各子区域采用PCA降维提取有效特征,用LIBSVM进行模式分类,结果表明五官各子区域具有足够的与性别相关的信息,用支持向量机做分类器时单个五官子区域进行性别识别的正确率均可达到80%以上。考虑到五官各子区域包含的脸部特征信息可能存在互补性,在单个子区域识别效果的基础上,本文又利用五官各子区域的组合进行了实验。实验以SVM为基分类器,以简单投票法和加权投票法为综合分类器来实现五官各子区域的组合识别。实验重点研究了三个子区域组合的识别效果,结果显示五官子区域组合的识别率进一步提高,正确识别率超过85%。这表明该方法对于有遮挡或者污染的人脸图像将会有很好的性别识别效果。