基于人臉面部特征的性別分類研究.pdf

1、本文對多角度人臉性別分類問題進行了研究。基于圖像的性別分類是計算機視覺和模式識別領域中的熱門研究課題之一，是一個大規(guī)模的兩類分類問題。本文研究了人臉檢測算法和人臉面部特征提取方法這兩部分內(nèi)容，并分析了新的特征提取方法在人臉性別分類問題上的分類性能。主要研究內(nèi)容包括： ⑴動態(tài)瀑布結構的人臉檢測算法本文提出了一種動態(tài)瀑布模型算法用來訓練有效的人臉檢測器。此算法可以在超大規(guī)模的樣本集上訓練檢測器，而且只需要很少的訓練參數(shù)。同時，動態(tài)瀑

2、布模型算法可以采用并行分布式計算，因此在100億的樣本集上訓練一個人臉檢測器，只需30臺個人臺式計算機和不超過8個小時的訓練時間。 ⑵一種新的弱分類器—貝葉斯弱分類器我們提出了一種新的弱分類器—貝葉斯弱分類器，來訓練boost分類器。利用這種分類器，我們可以使用較少的特征來獲得更加穩(wěn)定的boost分類器。貝葉斯弱分類器通過將傳統(tǒng)的二值斷言型弱分類器擴展為多路劃分的決策樹型弱分類器來達到最小化貝葉斯錯誤率的目標。 ⑶使用多

3、個特征集合的人臉檢測器訓練方法如何減少運行時的計算消耗和增加檢測的準確率是人臉檢測領域的兩個最具挑戰(zhàn)性的問題。為了解決這兩個問題，我們通過在動態(tài)瀑布模型中使用多種特征集合，同時優(yōu)先使用計算復雜度低的特征集合。 ⑷基于局部Gabor二值映射模式的特征提取方法，提出了一種新的特征提取方法—局部Gabor二值映射模式特征，并將它應用于人臉性別分類問題。這個方法首先采用多方向、多尺度的Gabor濾波器對人臉圖像進行卷積，得到一系列Gab