基于特定人脸的年龄估计和性别识别研究

• 作 者: 李军
• 机 构: 西南科技大学
• 出 处: 西南科技大学
• 发表日期: 2011年期
• 关键词: 模式识别 性别识别 年龄估计 特征提取

性别识别和年龄估计因其在身份认证、人机接口、视频检索以及机器人视觉中存在潜在的应用,成为当前计算机视觉和模式识别领域中的研究课题之一,备受关注。但由于性别差异和年龄变化引起人脸形状和纹理上的变化,导致年龄估计准确率严重下降。为了解决这个问题,本文在国内外现有的性别识别技术和年龄变化研究的基础上,提出了加入性别识别和混合特征及分层分类器的人脸年龄估计算法。本文的工作主要包括:　　
(1)研究了人脸性别识别的特征提取和分类方法,如局部二进制模式方法(LBP)、神经网络方法、SVM方法,以及直接把人脸图像的灰度值作为特征的性别识别方法。使用支持向量机(SVM)分类器,通过实验对2种常用的特征提取方法进行比较研究,并在3种不同核函数下进行比较研究。实验在一个由FG—NET、MORPH、ORL、Yale、网上收集和实验室自行采集所共同组成的,包含17,261张人脸的数据库上进行。　　
(2)提出一种基于局部特征和全局特征融合的人脸面部信息的提取方法,即主动外观模型、皱纹特征、皮肤特征,来提高年龄估计的准确率。针对因性别差异在人脸年龄特征表现上引起的差异,先进行自动性别识别来消除因性别差异带来的影响。主动外观模型作为全局特征；局部特征中,皱纹特征的提取采用Gabor滤波器,皮肤特征的提取采用局部二进制模式方法(LBP),能够提取详细的皮肤纹理。　　
(3)提出一种基于支持向量机(SVM)和支持向量回归机(SVR)结合的分层分类器,将融合后形成的特征作为新的特征向量,通过SVM对其进行年龄组分类,最后利用SVR估计出准确的年龄。通过实验证明,该方法具有一定的有效性和合理性。