基于典型相關(guān)分析的性別識(shí)別算法研究.pdf

1、性別識(shí)別技術(shù)涉及模式識(shí)別、心理學(xué)、人工智能、計(jì)算機(jī)視覺等不同領(lǐng)域，在人機(jī)對(duì)話、圖像與視頻檢索、人口信息采集、安全門禁、身份認(rèn)證等方面都有著一定程度的應(yīng)用，因此被各個(gè)領(lǐng)域的研究人員所關(guān)注。然而，性別識(shí)別技術(shù)仍然處于探索階段，不同的算法都存在一定的局限性，如何提高性別識(shí)別的準(zhǔn)確性及其自動(dòng)化程度依舊是一個(gè)值得研究的問題。由于利用典型相關(guān)分析(CCA)將同一模式下的兩組特征矢量進(jìn)行融合的方法在人臉識(shí)別、手寫體識(shí)別、表情識(shí)別等問題中都體現(xiàn)出其優(yōu)越

2、性，因此，本文重點(diǎn)研究了CCA在性別識(shí)別中的應(yīng)用。本文的主要工作如下：
　　1.對(duì)性別識(shí)別中常用的一些特征提取和分類方法進(jìn)行了介紹，具體包括局部二值模式(LBP)、梯度方向直方圖(HOG)和C1等特征提取方法，以及支持向量機(jī)(SVM)、AdaBoost和隨機(jī)森林(RF)等分類決策方法。使用這些方法在MIT和VIPeR行人圖像數(shù)據(jù)庫(kù)上進(jìn)行了性別分類實(shí)驗(yàn),對(duì)不同的特征提取和分類方法進(jìn)行了比較研究。實(shí)驗(yàn)結(jié)果表明，在性別識(shí)別中，C1特征優(yōu)

3、于LBP特征和HOG特征，利用SVM進(jìn)行性別識(shí)別具有較好的性能。
　　2.提出了基于CCA特征融合和SVM的全身圖像性別識(shí)別方法。首先，利用CCA方法對(duì)LBP特征、HOG特征以及C1特征進(jìn)行兩兩融合，得到LBP-HOG、LBP-C1和HOG-C1三種組合特征，然后，使用SVM方法進(jìn)行性別識(shí)別。在MIT和VIPeR圖像數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，對(duì)三種組合特征以及單一特征在性別識(shí)別中的優(yōu)劣進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，在性別識(shí)別中，利用CCA融

4、合得到的組合特征優(yōu)于單特征。在三種組合特征中，HOG-C1特征識(shí)別效果最好。
　　3.研究了朝向?qū)θ韴D像性別識(shí)別的影響，提出了一種基于CCA特征融合、并考慮朝向的全身圖像性別識(shí)別算法。首先，利用CCA方法對(duì)HOG和C1特征進(jìn)行融合，然后，利用SVM對(duì)朝向進(jìn)行分類。在預(yù)測(cè)朝向的過程中，根據(jù)測(cè)試樣本到SVM超平面距離將朝向歸為三種情況，即正面朝向、背面朝向以及正面與背面混合朝向。然后根據(jù)每一種情況進(jìn)一步進(jìn)行性別識(shí)別。實(shí)驗(yàn)結(jié)果表明,本