基于人臉圖像的性別識(shí)別方法研究

《基于人臉圖像的性別識(shí)別方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、密級(jí)：中國(guó)科學(xué)院大學(xué)UniversityofChineseAcademyofSciences碩士學(xué)位論文2013年5月ByLiTongyuADissertationSubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringInstituteofSemiconductor,ChineseAcademyofSciencesMay,2013獨(dú)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(dú)立進(jìn)行研究工作所取得的研究成果。盡我所知，文中除特別標(biāo)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(guò)的研究成果，也不包含為獲得中國(guó)科學(xué)院大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書所使用過(guò)的材料。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。簽名：關(guān)于學(xué)位論文使用授權(quán)的說(shuō)明本人完全了解中國(guó)科學(xué)院大學(xué)及中國(guó)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)校可以學(xué)術(shù)交流為目的，復(fù)制贈(zèng)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(shí)別方法的研究是模式識(shí)別研究的重要組成部分，是計(jì)算機(jī)為人類提供性別差異化服務(wù)的前提。它能夠促進(jìn)人工智能、計(jì)算機(jī)視覺(jué)和虛擬現(xiàn)實(shí)等許多領(lǐng)域的發(fā)展。本研究以現(xiàn)實(shí)應(yīng)用為前提，以人臉圖像為研究對(duì)象，旨在尋求穩(wěn)定性和泛化能力較強(qiáng)的人臉圖像性別識(shí)別方法。本研究歸納總結(jié)了性別識(shí)別所用的典型人臉圖像庫(kù)、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(kù)的組成特點(diǎn)，指出典型人臉圖像庫(kù)并不適合性別識(shí)別方法的研究，需要建立符合條件的人臉圖像庫(kù)；其次，分析了典型的性別特征提取方法和分類方法，從時(shí)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(wèn)題。針對(duì)不同的問(wèn)題進(jìn)行了深入研究，本研究主要貢獻(xiàn)如下：(1)針對(duì)典型人臉圖像庫(kù)采集條件較為嚴(yán)格的問(wèn)題，本研究建立了以普通證件照為標(biāo)準(zhǔn)的初級(jí)仿真人臉圖像庫(kù)S，對(duì)光線沒(méi)有特殊要求。通過(guò)人眼歸一化處理，建立了尺度為46x46的人臉圖像庫(kù)S1；(2)初步建立了性別識(shí)別人臉圖像庫(kù)的評(píng)價(jià)體系。通過(guò)對(duì)該庫(kù)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(píng)價(jià)該庫(kù)是否符合研究條件；(3)建立了等測(cè)試樣本的實(shí)驗(yàn)標(biāo)準(zhǔn)和模型測(cè)試評(píng)價(jià)標(biāo)準(zhǔn)。以貝葉斯錯(cuò)誤率為指導(dǎo)，規(guī)定測(cè)試樣本性別比例為1：1，當(dāng)男性識(shí)別率和女性識(shí)別率平均相差為15％時(shí)，判定統(tǒng)計(jì)的識(shí)別率無(wú)效；(4)提出兩種基于特征融合的人臉圖像性別識(shí)別方法。詳細(xì)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(diǎn)，引入能夠用于二分類問(wèn)題的OLDA(OrthogonalLDA)算法，特征維數(shù)較低的ULBP(UniformLBP)編碼和快速提取獨(dú)立分量的FastlCA(FastIC舢方法，利用線性SVM(SupportVectorMachine)方法對(duì)性別特征進(jìn)行分類，通過(guò)在人臉圖像庫(kù)S1上對(duì)不同方法進(jìn)行比較，提出了基于ULBP和PCA+OLDA的人臉圖像性別識(shí)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(shí)別方法研

7、究和FastlCA+OLDA的人臉圖像性別識(shí)別方法。兩種方法在人臉圖像庫(kù)S1上表現(xiàn)優(yōu)異，識(shí)別率受參數(shù)影響較小，通過(guò)雙向的5倍交叉驗(yàn)證實(shí)驗(yàn)證明兩種方法具備較強(qiáng)的穩(wěn)定性；(5)為進(jìn)一步模擬現(xiàn)實(shí)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(kù)A；為驗(yàn)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(yàn)證庫(kù)B。通過(guò)人眼歸一化處理，建立了尺度為40x40的人臉圖像庫(kù)A1和泛化能力驗(yàn)證庫(kù)B1用于實(shí)驗(yàn)。通過(guò)本研究所提出的評(píng)價(jià)方法，評(píng)價(jià)A1和B1符合研究條件；(6)在對(duì)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(shì)，提出了

8、一種基于LGBP(LocalGaborBinaryPattern)和OLDA的人臉圖像性別識(shí)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