人脸提供了丰富的表征人类特征的信息,例如性别,年龄以及喜怒哀乐的表情。最近几十年的性别分类研究绝大多数都集中在使用人脸图像上。人脸内部特征抽取从最开始的仅使用图像灰度值,到后来的小波变换再到后来的反映局部细微纹理变化的局部二值特征。而人脸以外的特征变化较大,不稳定,所以长期以来,用人脸以外的信息来做性别分类的研究凤毛麟角。考虑到在某些情况下,人脸信息是不可用的,比如观察角度的问题无法看到人的脸部,只能从侧面甚至是背面去观察,此时人脸以外的诸如头发这样的信息可能具有重要参考价值甚至是唯一可以利用的信息。本文的创新点有：1.在之前使用Gabor小波变换加上局部二值模式特征进行性别分类的基础上,采用层级结构,提出了多分辨率的局部Gabor二值映射模式。实验结果表明,该方法显著提高了分类精度,并适用于多角度的性别分类问题。2.进一步提出了基于局部器官的多分辨率方法。多分辨率技术的引入带来的问题是抽取特征需要耗费更多的CPU时间,为了使该方法在实时性别分类系统中有用武之地,考虑只对人脸部分器官抽取特征,每个器官分别训练不同的分类器,这样抽取特征的时间显著降低。同时,本文采用模糊积分方法将多个器官的分类结果统合在起,该方法对各分类器取长补短,以达到最终决策的分类精度超越所有被统合的子分类器。3.本文尝试从侧面的头发中提取出能够区分男女的头发形状特征作为性别分类的辅助手段。同样的,头发信息需要与内部特征相结合来进行性别分类,本文仍然采用模糊积分来融合人脸和外部信息。实验结果表明,人脸和外部信息的结合对性别分类的精度有所提高。