基于特定人臉的年齡估計和性別識別研究.pdf

1、性別識別和年齡估計因其在身份認證、人機接口、視頻檢索以及機器人視覺中存在潛在的應(yīng)用,成為當(dāng)前計算機視覺和模式識別領(lǐng)域中的研究課題之一,備受關(guān)注。但由于性別差異和年齡變化引起人臉形狀和紋理上的變化,導(dǎo)致年齡估計準確率嚴重下降。為了解決這個問題,本文在國內(nèi)外現(xiàn)有的性別識別技術(shù)和年齡變化研究的基礎(chǔ)上,提出了加入性別識別和混合特征及分層分類器的人臉年齡估計算法。本文的工作主要包括:
　　 (1)研究了人臉性別識別的特征提取和分類方法,如

2、局部二進制模式方法(LBP)、神經(jīng)網(wǎng)絡(luò)方法、SVM方法,以及直接把人臉圖像的灰度值作為特征的性別識別方法。使用支持向量機(SVM)分類器,通過實驗對2種常用的特征提取方法進行比較研究,并在3種不同核函數(shù)下進行比較研究。實驗在一個由FG—NET、MORPH、ORL、Yale、網(wǎng)上收集和實驗室自行采集所共同組成的,包含17,261張人臉的數(shù)據(jù)庫上進行。
　　 (2)提出一種基于局部特征和全局特征融合的人臉面部信息的提取方法,即主動外

3、觀模型、皺紋特征、皮膚特征,來提高年齡估計的準確率。針對因性別差異在人臉年齡特征表現(xiàn)上引起的差異,先進行自動性別識別來消除因性別差異帶來的影響。主動外觀模型作為全局特征；局部特征中,皺紋特征的提取采用Gabor濾波器,皮膚特征的提取采用局部二進制模式方法(LBP),能夠提取詳細的皮膚紋理。
　　 (3)提出一種基于支持向量機(SVM)和支持向量回歸機(SVR)結(jié)合的分層分類器,將融合后形成的特征作為新的特征向量,通過SVM對其進