基于性別分組的年齡預(yù)測(cè)技術(shù)研究.pdf

1、人臉識(shí)別已成為圖像分析和理解中最成功的應(yīng)用之一，其在安全監(jiān)控、存取控制、人工智能、人機(jī)交互等方面得到了廣泛應(yīng)用。但由于年齡變化會(huì)引起人臉形狀和紋理上的變化，并且對(duì)于不同性別的人，其變化規(guī)律也不同，從而導(dǎo)致人臉識(shí)別率的下降。為解決這一問題，本文在國(guó)內(nèi)外現(xiàn)有人臉識(shí)別技術(shù)基礎(chǔ)上，從性別識(shí)別和年齡預(yù)測(cè)兩個(gè)方面著手，提出一種加入性別分類的年齡預(yù)測(cè)算法來(lái)實(shí)現(xiàn)人臉年齡的準(zhǔn)確估計(jì)，并設(shè)計(jì)相應(yīng)的原型系統(tǒng)。
　　 本文的工作主要包括：
　　

2、 (1)采用Gabor小波與KLDA相結(jié)合進(jìn)行人臉特征提取。通過對(duì)現(xiàn)有特征提取方法的研究和分析，本文采用Gabor小波提取出有利于性別分組的關(guān)鍵特征，然后利用KLDA對(duì)Gabor特征進(jìn)行二次特征提取，得到類間散度最大、類內(nèi)散度最小的特征向量。該方法能提取出適合性別分組的特征，有利于提高人臉性別分類的準(zhǔn)確率。
　　 (2)提出基于SVM組合一模糊KNN人臉性別識(shí)別方法。針對(duì)標(biāo)準(zhǔn)支持向量機(jī)在二分問題中超平面附近存在的不足，提出結(jié)合S

3、VM組合與模糊KNN的性別識(shí)別算法。該算法用少量己知性別樣本自動(dòng)確定SVM組合與模糊KNN的最優(yōu)分類閾值，并計(jì)算待識(shí)別樣本和支持向量機(jī)所確定的超平面的距離，通過距離與閾值的比較進(jìn)行性別識(shí)別。
　　 (3)提出基于性別分組的年齡預(yù)測(cè)方法。通過ASM-AAM聯(lián)合建模，首先利用ASM比較精確地定位出人臉形狀特征，然后利用AAM提取出形狀特征點(diǎn)內(nèi)部的紋理特征?？紤]到男、女人臉皮膚的老化速度不同，為了克服單一模型特征提取的不準(zhǔn)確性，本文構(gòu)