论文部分内容阅读
近些年，人脸识别技术已成为了模式识别领域中的一个热点，其试图赋予计算机根据人物面孔去辨别其身份的能力，该研究具有重要的理论价值和广阔的应用前景。人脸是人类最重要的生物特征之一，它包含了很多重要的信息，如身份，性别，年龄，表情，种族等等。其中人的统计特征性别与年龄又对身份的辨别存在着重要的参考价值，并且在人机交互，机器人视觉以及商业智能中存在着许多潜在的应用。但在非可控条件下，由于人脸上的表情，光照，姿态以及拍摄环境等多方面的作用又极大的影响了算法的识别率，因此对实时人脸性别判别与年龄估计算法的研究可以说是一个非常具有挑战意义的课题。 本文将从基于人脸的性别判别与年龄估计两个方面分别进行探讨与研究，其主要包括:人脸图像预处理（图像归一化与直方图均衡化），生物特征提取，特征选择，特征降维，流形学习，模式分类与回归，并最终通过对性别问题进行弱分类器集成形成鲁棒的强分类器来完成性别分类和对年龄问题进行基于回归结果的局部调整来提升其估计正确率。最后我们在基于本文理论研究的基础上实现了一套全自动人脸性别判别与年龄估计系统。本论文的主要研究工作总结如下: 1.提出了一种高效的基于人脸的性别判别方法，此方法将集精简Gabor特征提取，多聚类特征选择(MCFS)，边信息线性判别分析(SILD)以及支持向量机(SVM)于一体，其中MCFS用于局部特征选择，SILD用于实现局部特征降维处理，SVM用于弱分类，最后将若干个弱分类器结合成一个鲁棒的强分类器来完成最终的性别判别。 2.提出了一种年龄类别相关特性的概念，并使之嵌入到相关成分分析(RCA)和正交局部保持投影(OLPP)方法中来生成更具判别性的流形数据。在得到鲁棒的流形特征子空间后，为了更加精确的预测年龄，我们设计了一种新颖的基于回归结果并充分利用少许训练数据进行局部调整来提高精度的年龄估计算法，即相对属性局部调整(LARA)来完成最终的年龄预测。 3.实现了一套全自动人脸性别判别与年龄估计系统。性别判别与年龄估计两者共用于人脸检测，特征点定位以及图像预处理三大模块，剩下的性别判别模块分为精简Gabor特征提取，多聚类特征选择(MCFS)，边信息线性判别分析(SILD)，弱分类器集成四个小模块;年龄估计模块分为Gabor特征提取，类别相关成分分析(lrRCA)，类别相关正交局部保持投影（lrOLPP），支持向量回归(SVR)，相对属性局部调整(LARA)五个小模块。