資源描述：
《基于人臉圖像的性別識別方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、密級：中國科學(xué)院大學(xué)UniversityofChineseAcademyofSciences碩士學(xué)位論文2013年5月ByLiTongyuADissertationSubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringInstituteofSemiconductor,ChineseAcademyofSciencesMay,2013獨創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)
2、位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨立進行研究工作所取得的研究成果。盡我所知，文中除特別標注和致謝的地方外，學(xué)位論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得中國科學(xué)院大學(xué)或其它教育機構(gòu)的學(xué)位或證書所使用過的材料。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔。簽名：關(guān)于學(xué)位論文使用授權(quán)的說明本人完全了解中國科學(xué)院大學(xué)及中國科學(xué)院半導(dǎo)體研究所有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與復(fù)印件；②學(xué)?？梢圆捎糜坝?、縮印或其它復(fù)
3、制手段復(fù)制并保存學(xué)位論文；③學(xué)?？稍试S學(xué)位論文被查閱或借閱；④學(xué)?？梢詫W(xué)術(shù)交流為目的，復(fù)制贈送和交換學(xué)位論文；⑤學(xué)校可以公布學(xué)位論文的全部或部分內(nèi)容。(涉密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定)簽名：導(dǎo)師簽摘要基于人臉圖像性別識別方法的研究是模式識別研究的重要組成部分，是計算機為人類提供性別差異化服務(wù)的前提。它能夠促進人工智能、計算機視覺和虛擬現(xiàn)實等許多領(lǐng)域的發(fā)展。本研究以現(xiàn)實應(yīng)用為前提，以人臉圖像為研究對象，旨在尋求穩(wěn)定性和泛化能力較強的人臉圖像性別識別方法。本研究歸納總結(jié)了性別識別所用的典型人臉圖像庫、典型性別特征提取方法和分類方法。首先，分析各
4、種典型人臉圖像庫的組成特點，指出典型人臉圖像庫并不適合性別識別方法的研究，需要建立符合條件的人臉圖像庫；其次，分析了典型的性別特征提取方法和分類方法，從時間復(fù)雜度和空間復(fù)雜度的角度分析了部分典型方法中存在的問題。針對不同的問題進行了深入研究，本研究主要貢獻如下：(1)針對典型人臉圖像庫采集條件較為嚴格的問題，本研究建立了以普通證件照為標準的初級仿真人臉圖像庫S，對光線沒有特殊要求。通過人眼歸一化處理，建立了尺度為46x46的人臉圖像庫S1；(2)初步建立了性別識別人臉圖像庫的評價體系。通過對該庫平均臉圖像的三維消隱圖、著色三維表面、等高線及數(shù)值
5、染色和聚類情況的分析，評價該庫是否符合研究條件；(3)建立了等測試樣本的實驗標準和模型測試評價標準。以貝葉斯錯誤率為指導(dǎo)，規(guī)定測試樣本性別比例為1：1，當男性識別率和女性識別率平均相差為15％時，判定統(tǒng)計的識別率無效；(4)提出兩種基于特征融合的人臉圖像性別識別方法。詳細分析了PCA(PrincipalComponentAnalysis、、2DPCA(Two—DimensionalPCA)、2D2PAC(Two-directionaltwo-DimensionalPCA)、ICA(IndependentComponentsAnalysis)、L
6、DA(LinearDiscriminantAnalysis)和LBP(LocalBinaryPattern)方法的特點，引入能夠用于二分類問題的OLDA(OrthogonalLDA)算法，特征維數(shù)較低的ULBP(UniformLBP)編碼和快速提取獨立分量的FastlCA(FastIC舢方法，利用線性SVM(SupportVectorMachine)方法對性別特征進行分類，通過在人臉圖像庫S1上對不同方法進行比較，提出了基于ULBP和PCA+OLDA的人臉圖像性別識別方法，以這種特征融合結(jié)構(gòu)為基礎(chǔ)，提出了基于ULBP基于人臉圖像的性別識別方法研
7、究和FastlCA+OLDA的人臉圖像性別識別方法。兩種方法在人臉圖像庫S1上表現(xiàn)優(yōu)異，識別率受參數(shù)影響較小，通過雙向的5倍交叉驗證實驗證明兩種方法具備較強的穩(wěn)定性；(5)為進一步模擬現(xiàn)實生活環(huán)境，綜合考慮年齡、光照及人眼定位誤差等情況，建立了人臉圖像庫A；為驗證所建模型的泛化能力，建立了由異地人員組成的泛化能力驗證庫B。通過人眼歸一化處理，建立了尺度為40x40的人臉圖像庫A1和泛化能力驗證庫B1用于實驗。通過本研究所提出的評價方法，評價A1和B1符合研究條件；(6)在對Gabor人臉特征深入研究的基礎(chǔ)上，綜合了ULBP的局部紋理優(yōu)勢，提出了
8、一種基于LGBP(LocalGaborBinaryPattern)和OLDA的人臉圖像性別識別方法，該方法數(shù)據(jù)維數(shù)更低，分類器采用基于余弦相似度的KN
