论文部分内容阅读
在大数据、人工智能背景下,越来越多的生物特征识别技术被应用于不同领域。基于视频的性别快速检测技术是其中一个研究热点,安防视频监控系统利用该技术可以对某个区域的人员性别快速识别分类。其应用领域包括:在公厕、母婴室、浴室、更衣室等性别敏感区域入口进行公共秩序维护;商店顾客性别分类大数据统计;与性别相关的人员行为视频分析和心理指标估算等等。本文针对安防视频分析的实时性需求设计了一种人员性别快速检测方法。该检测方法主要分为人脸检测定位、人脸特征提取、性别分类三个部分。该方法在测试平台中,平均处理速度为62ms,有效地解决了视频中的人员快速性别分析问题。本文的主要研究内容如下:(1)复杂背景下的人脸检测主要阐述复杂背景下的人脸检测算法的原理及应用,结合性能需求及应用环境确定采用基于Adaboost算法的人脸检测方法。该方法利用级联分类器和Haar特征实现复杂环境下人脸的检测功能。(2)性别识别的特征提取方法主要介绍了Haar特征、方向梯度直方图(HOG)特征、局部二值模型(LBP)、卷积神经网络等主流特征提取方法,分析比较它们的优缺点。从中选择了鲁棒性及准确率更突出的卷积神经网络算法作为本文人员性别检测的特征提取算法。(3)人员性别识别算法研究及实现首先阐述神经网络的由来及神经单元的运行机理,并介绍各种人脸数据集及数据集的制作。通过应用一种精简的卷积神经网络设计,网络采用尺寸较小的输入数据及少量的权重参数,使特征提取及网络迭代的耗时得到有效控制。(4)基于人脸图像的性别识别算法的测试与分析主要分析传统检测方法时效性差的原因,并提出相应的优化方案:数据图像预处理、精简的卷积神经网络。通过实验验证,该方法在测试平台的平均处理速度为62ms,可有效解决视频中的人员快速性别分析问题。在文末,对课题的创新点和成果做了介绍,同时分析了课题研究的不足和待优化的地方。