特征融合和字典學習在人臉性別識別方面的應用研究.pdf

1、基于人臉圖像的性別識別在人機交互、智能監(jiān)控、視頻檢索等領域中有著廣闊的應用前景，近年來已經發(fā)展成為計算機視覺領域的一個熱點課題。與其它識別問題一樣，人臉性別識別系統的基本框架需要包括特征描述和分類器設計兩方面。一方面，人臉的描述特征可以分為全局特征和局部特征兩大類，兩種特征的作用不同具有互補性，而傳統的人臉性別識別方法在特征提取方面主要是針對單一特征，必定會影響最終的識別率；另一方面，傳統的性別識別分類器主要有支持向量機(Support

2、 Vector Machine, SVM)、Adaboost和神經網絡等，由于SVM是針對二分類問題提出的，因此SVM在人臉性別識別問題上被應用得最為廣泛，但是這些傳統分類方法對有部分遮擋人臉的識別效果并不理想。
　　為了解決上述兩個問題，本文提出將全局特征和局部特征進行融合得到人臉的描述特征，該人臉描述特征較單一特征包含了人臉更多的有用信息。此外，由于稀疏表示已被成功應用于人臉識別領域，其對于存在光照，表情及遮擋等情況下的人臉識

3、別具有很強的魯棒性，因此本文將稀疏表示應用于人臉性別識別問題中，并在此基礎上引入了類字典和字典學習進一步提高了識別率。本文的研究工作如下：
　　(1)深入調研了目前常用的人臉性別識別方法。綜述了目前在人臉性別識別領域中常用的人臉特征提取方法和常用的人臉性別分類方法。
　　(2)提出了基于單特征和類字典的稀疏人臉性別識別方法。首先，鑒于稀疏表示在人臉識別領域中的成功應用，本文將稀疏表示應用于人臉性別識別問題中，提出了基于宏字典

4、的稀疏人臉性別識別方法。然后，在基于宏字典的稀疏人臉性別識別方法基礎上，提出了基于類字典的稀疏人臉性別識別改進方法。最后，分別基于PCA、LBP和2D-Gabor特征，在CAS-PEAL人臉庫上比較了兩種方法的識別率，通過實驗證明了在單特征條件下，基于類字典的稀疏人臉性別識別方法識別效果更好。
　　(3)提出了基于特征融合和類字典學習的新型稀疏人臉性別識別方法。首先，由于全局特征和局部特征在表征人臉方面作用不同且具有互補性，本文將

5、全局特征和局部特征進行融合，使用融合特征作為人臉的描述特征，通過實驗證明融合特征的識別率較單一特征要高。然后，由于不經過字典學習的類字典對于訓練數據的表征能力有限，本文通過字典學習算法得到經過學習的類字典并將其應用于人臉性別分類，通過實驗比較了未經過學習的類字典和分別經過三種字典學習算法得到的類字典的識別率，證明了經過學習的類字典的識別率較未經過學習的類字典更高并且通過RLS-DLA算法得到的類字典的識別率最高。接著，本文介紹了在稀疏表