姿態(tài)魯棒的人臉圖像性別識別方法研究與應用.pdf

1、人臉圖像的性別區(qū)分是人口統(tǒng)計學的一個基本分類要求，同時在行為監(jiān)測、身份驗證、人機交互、視頻檢索、市場營銷策略等領域中也有著廣闊的潛在應用前景。在過去的幾十年中，正面人臉圖像的性別識別已經(jīng)基本得到了令人滿意的結果，但在姿態(tài)有變化的情況下人臉圖像的性別識別依然是一個值得研究的難題，而姿態(tài)問題本身卻是人臉識別的實際應用中不可避免的一個問題，無論是實時監(jiān)控，還是數(shù)據(jù)庫檢索，都會有著大量姿態(tài)有變化的人臉圖像的情況存在。為了能夠在姿態(tài)有變化的情況下

2、得到較好的人臉圖像的性別識別結果，本文從改進人臉關鍵點定位著手，從人臉圖像特征及分類方法對姿態(tài)的魯棒性展開研究，取得了以下研究成果:
　　1.構造了兩種更加有效的人臉特征提取方法
　　本文通過把Gabor濾波和LBP算子結合，得到了更加適用于性別識別的LGBP特征，同時基于深度學習的思想，提出了基于稀疏編碼特征提取方法，并通過一組實驗在CAS-PEAL人臉數(shù)據(jù)庫上分別得到了80％和85％的正確率，考慮到在針對靜態(tài)人臉圖像這種

3、特征比較明顯的圖像時，使用兩種方法得到的正確率差距并不大，但是LGBP算子的速度更快，因而本文就采用了耗時較短的LGBP作為特征提取的方法。
　　2.提出了基于多模型改進的ASM方法對人臉圖像姿態(tài)進行矯正
　　在對人臉關鍵點的研究中，ASM算法由于簡潔有效而獲得了廣泛的使用，但是原始的ASM算法并不能處理姿態(tài)有變化的情況下人臉圖像關鍵點的檢測問題，因而本文提出了基于多模版自適應匹配的ASM方法，并利用基于三角剖分的紋理映射的

4、方法，解決了姿態(tài)有變化的人臉圖像不利于特征提取這個問題，并在CMU-PIE數(shù)據(jù)庫上進行了實驗，通過實驗表明對存在15°以內姿態(tài)變化的人臉圖像進行矯正能夠得到較好的效果。
　　3.提出了一種基于稀疏表達的姿態(tài)魯棒人臉圖像性別識別方法
　　在一個大型庫中進行分類時，使用大型庫本身來表達自己的樣本的最合適描述一定是稀疏的，基于這種想法，本文提出了使用稀疏表達構建分類器的方法。在對數(shù)據(jù)庫圖像進行特征提取并降維后，構建了超完備字典，而