论文部分内容阅读
近年来,随着人脸识别技术研究的深入,人脸性别识别已成为计算机视觉和模式识别领域中的热门研究课题之一。人脸性别识别是人脸图像信息利用计算机技术识别被观察者的性别属性的过程。在人工智能、系统监控、模式识别等方面有着重要的应用前景。在综合分析国内外主要的特征提取方法和性别识别技术的基础上,本文提出基于独立成分分析和核Fisher判别分析相融合的特征提取算法、改进KNN-SVM的性别识别算法、基于人脸下巴轮廓曲线曲率的性别识别方法,并开发原型系统进行算法验证。具体内容如下:(1)提出ICA和核Fisher判别分析(KFDA)相结合的特征提取方法。ICA得到的特征信息是更能重构原始数据的信息,Fisher判别分析则能得到相应的最佳分类的特征信息,由于光照、姿态、表情等变化引起人脸图像的差异造成人脸图像的分布往往是非线性的,而Fisher判别分析提取的是图像的线性特征,因此本文采用核Fisher判别分析(KFDA)算法,并用主成分分析(PCA)解决其存在的高时间复杂度问题,经过预处理的图像投影到ICA和KFDA张成的子空间中。(2)提出加权KNN和SVM相结合的改进KNN-SVM性别识别算法。针对支持向量机(SVM)在超平面附近进行性别识别的不准确性,引入加权K近邻(KNN)算法,融合加权KNN和SVM进行性别识别。该算法用少量已知性别样本自动确定加权KNN与SVM的最优分类阈值,并计算待识别样本和支持向量机所确定的超平面的距离,通过距离与阈值的比较进行性别识别。(3)提出基于人脸下巴轮廓曲线曲率的性别识别方法。该方法首先利用log-gabor对人脸进行处理,得到更能反映人脸纹理曲线的图像,然后利用AAM算法进行人脸下巴曲线定位,并对得到的人脸下巴特征点进行最小二乘拟合,最后计算曲线曲率进行性别判决。(4)采用面向对象思想,设计并开发基于人脸整体特征和基于下巴轮廓曲线的性别识别原型系统,并从实验角度验证了上述方法的有效性。