基于性別分組的年齡預(yù)測技術(shù)研究.pdf

1、人臉識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、人機交互等方面得到了廣泛應(yīng)用。但由于年齡變化會引起人臉形狀和紋理上的變化，并且對于不同性別的人，其變化規(guī)律也不同，從而導(dǎo)致人臉識別率的下降。為解決這一問題，本文在國內(nèi)外現(xiàn)有人臉識別技術(shù)基礎(chǔ)上，從性別識別和年齡預(yù)測兩個方面著手，提出一種加入性別分類的年齡預(yù)測算法來實現(xiàn)人臉年齡的準確估計，并設(shè)計相應(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)合進行人臉特征提取。通過對現(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Gabor特征進行二次特征提取，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確率。
　　 (2)提出基于SVM組合一模糊KNN人臉性別識別方法。針對標準支持向量機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的性別識別算法。該算法用少量己知性別樣本自動確定SVM組合與模糊KNN的最優(yōu)分類閾值，并計算待識別樣本和支持向量機所確定的超平面的距離，通過距離與閾值的比較進行性別識別。
　　 (3)提出基于性別分組的年齡預(yù)測方法。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提取出形狀特征點內(nèi)部的紋理特征。考慮到男、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確性，本文構(gòu)