基于人臉圖像的性別識別和年齡估計.pdf

1、基于人臉圖像的性別識別和年齡估計是模式識別領(lǐng)域的重要分支，對于實現(xiàn)友好的人機交互有著重要意義。本文從特征提取和分類估計兩個方面入手對性別識別和年齡估計進行了分析研究，并針對這兩個方面分別提出了改進方法。本文的主要工作如下:
　　(1)針對單特征不能充分描述人臉圖像的形狀信息和紋理信息，提出一種融合HOG(Histogram of Oriented Gradient)和ML-GMM(Multi Level Gaussian Mixt

2、ure Model)特征提取方法。利用HOG算子提取形狀特征，充分描述樣本的外觀輪廓信息;同時提出一種多層混合高斯模型提取紋理特征，通過構(gòu)建多層混合高斯模型來描述不同區(qū)域在整幅圖像中表達的多層紋理信息;最后通過級聯(lián)的方式融合兩種特征，使得融合特征能夠充分地刻畫人臉圖像的形狀信息和紋理信息，利于下一步的分類估計工作。利用支持向量機(Support Vector Machine，SVM)對提取的融合特征進行性別識別，實驗結(jié)果表明，所提出的融

3、合HOG和ML-GMM特征提取方法優(yōu)于現(xiàn)有的單特征和混合特征提取方法，獲得了更高的性別識別率，說明所提出方法能夠更好地表征人臉圖像的性別特征。
　　(2)針對單層估計模型在年齡估計上的局限性，提出一種基于SVM-KNN(K-Nearest Neighbor)加權(quán)的雙層年齡估計模型。在年齡估計過程中，首先利用SVM對樣本進行粗分類，判斷樣本的大致年齡范圍;考慮到相鄰年齡之間的相似性對真實年齡估計的貢獻，再利用KNN思想在預(yù)測的年齡范

4、圍內(nèi)求取樣本與連續(xù)K個年齡距離最小的年齡類別序列，將樣本與年齡類別的距離作為權(quán)值，最后通過加權(quán)估算樣本的最終年齡值。實驗結(jié)果表明，基于SVM-KNN加權(quán)的雙層估計模型在年齡估計上取得了優(yōu)于常用的單層估計模型和雙層估計模型的識別效果，大大降低了平均年齡估計誤差，提高了年齡估計精確度。
　　(3)針對性別信息和年齡信息在各自識別過程中對彼此造成的干擾和影響，提出一種自動估計性別和年齡的分層模型。第一層利用SVM方法對提取的樣本特征判斷