基于視頻的人臉檢測和性別識別.pdf

1、隨著計算機技術的發(fā)展，計算機智能已經遍布我們生活的各個領域，而視頻檢測技術作為計算機智能的一個分支，它的發(fā)展對計算機智能的其它領域產生了很大的推動作用。隨著智能化視頻監(jiān)控系統的廣泛應用，如何從視頻文件中獲取我們感興趣的信息成為智能化視頻監(jiān)控系統發(fā)展的重點之一。
　　本系統設計來源于課題組與國網山東省電力公司電力科學研究院的合作項目，該項目需要通過巡檢機器人完成變電站的安全防范工作，由于變電站屬于高危區(qū)域，因而在安全性方面有較高的要

2、求。為了加強巡檢機器人的智能化，對其加入了性別識別的功能。此系統也可以應用于其他場合，如可以在大型游樂場所、商場、步行商業(yè)街等，讓計算機通過識別統計消費人群的性別組成，幫助商家根據人群的性別組成特點提供更具有吸引力的服務。
　　性別識別技術是身份識別技術中一個重要環(huán)節(jié)，在國家安全、人群檢測等各個方面均發(fā)揮著重要的作用。目前，已經有很多對性別進行判別的方法，例如人臉、虹膜、指紋、腳印以及語音等，與其它生物特征相比，人臉特征具有更自然

3、、方便和非接觸等特點，因而廣泛應用于視頻監(jiān)控、安防等領域。但由于視頻采集過程中受到天氣、光照、采集設備等因素的影響，使獲得的視頻圖像中部分信息缺失，從而增加了對視頻圖像進行性別識別的難度。
　　本文對視頻中是否存在人臉進行檢測的同時識別出人的性別。本文提出一種將方差歸一化思想與卷積相結合的算法，解決了視頻圖像中普遍存在的光照不均勻現象，開發(fā)了一個基于視頻的人臉圖像性別識別系統，最終較為有效的解決了對視頻圖像中存在的人臉的性別識別問

4、題。本文的工作主要包括如下部分：
　　1）第一章總體概括了基于人臉的性別識別的發(fā)展歷程和研究現狀，對發(fā)展過程的各個階段進行了簡要的描述。對現階段的生物識別方式進行了總結，將基于人臉圖像的識別方式與指紋識別、掌紋識別、虹膜識別等方式進行了分析比較，強調了基于人臉的性別識別技術的優(yōu)勢及其發(fā)展前景和研究意義。
　　2）第二章介紹了當前主流的人臉檢測算法，重點介紹了Adaboost算法，對其發(fā)展進行了簡要的描述，詳細介紹了Adabo

5、ost算法的實現原理，并對Haar特征進行了詳細介紹，分析了利用Haar特征表示人臉特征的可行性。詳細介紹了如何利用Haar特征與Adaboost算法相結合的方式進行人臉區(qū)域檢測與提取。
　　3）第三章調研了目前國內外對光照不均現象的主要處理算法，針對主流算法進行了對比分析，提出了一種新的光照處理算法，并將它運用到人臉圖像中。該算法將方差歸一化思想以及卷積方法相結合，對光照不均的人臉圖像進行整體處理，有效解決了光照因素對后期性別判

6、別的影響。
　　4）第四章對比分析了主成分分析算法(Principal Component Analysis，PCA)、線性判別分析算法（Linear Discriminant Analysis，LDA）、主動形狀模型（Active Shape Model， ASM）以及主動外觀模型（Active Appearance Model，AAM）。對PCA和LDA算法的原理進行了分析。對AAM模型的發(fā)展與原理進行了詳細描述，利用AAM模

7、型建立的原理，提取出與性別相關性較大的特征進行了建模，降低性別識別算法的復雜度。最后對進行性別分類的SVM分類器算法原理進行了描述。
　　5）第五章為系統的詳細設計，展示了基于視頻的人臉識別系統的主要功能，并對各個功能進行了介紹。在這個系統中，主要利用 Adaboost算法對提取的視頻圖像進行人臉檢測，并將檢測出的人臉區(qū)域進行單獨處理，通過AAM建模的方法，對決定性別的特征進行標定記錄，最后使用SVM分類算法，對提取的性別特征進行