人脸是重要的生物特征之一,人脸图像上蕴含了大量的信息,例如性别、年龄、人种、身份等。人脸的性别识别就是试图赋予计算机根据输入的人脸图像判断其性别的能力。本文基于人脸正面图像进行性别分类。一般而言,人脸性别识别系统分为图像预处理,人脸特征提取和分类器识别三部分。本文针对这三个部分展开研究,并比较了几种不同方案的识别性能。通过对性别识别的重要理论的研究,为了提高性别识别率,本文提出了采用AdaBoost算法提取整体特征,主动表观模型提取局部特征,组合局部与整体特征后使用支持向量机(SVM)进行分类的方法。本文在一个由AR、FERET、CAS-PEAL-R1、网上收集和实验室自行采集所共同组成的,包含21,300余张人脸的数据库上,进行了大量有意义的实验。实验结果显示,融合了整体特征和局部特征后,识别率比基于(单独)整体特征的、基于(单独)局部特征的有很大的提高,达到了90%以上。本文还通过精心设计的对比实验对预处理过程中人脸有效区域的截取和AdaBoost的结构选择等方面给出了合理的建议。