论文部分内容阅读
人脸是最重要的生物特征之一，人脸图像上蕴含了大量的生物特征信息，例如性别、年龄、人种等。基于人脸图像的性别识别及年龄估计是根据人的脸部图像判别其性别及估计其年龄的模式识别问题。 本文基于人脸正面图像进行性别分类。一般而言，人脸性别识别系统分为图像预处理，人脸特征提取和分类器识别三部分。本文针对这三个部分展开研究，并比较了两种不同的方案的识别性能。 对性别识别而言，近年来已取得不少研究成果。在不少人脸库上，已得到很高的识别率，但是在综合各个年龄段的人脸库上，性别识别效果还存在欠缺，尤其是对小孩和老年人的识别上，正确率还不高。 通过对性别识别领域的理论研究，为了提高包含各个年龄段的性别识别率，本文提出了采用Gabor小波变换提取整体特征，使用支持向量机(SVM)进行性别识别和年龄估计交互学习的分类方法。本文的创新就在于提出了该交互算法(这是本文的主要创新)，使得性别识别率有显著的提高。本文的图片库主要采用来自FG-NET和网上收集的图片进行人脸识别的测评于验证，包含1879张人脸图片。实验结果显示，交互学习后性别识别率比单独的性别识别率有显著提高，超过90％。