特征融合和字典學(xué)習(xí)在人臉性別識別方面的應(yīng)用研究.pdf

1、基于人臉圖像的性別識別在人機(jī)交互、智能監(jiān)控、視頻檢索等領(lǐng)域中有著廣闊的應(yīng)用前景，近年來已經(jīng)發(fā)展成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)課題。與其它識別問題一樣，人臉性別識別系統(tǒng)的基本框架需要包括特征描述和分類器設(shè)計(jì)兩方面。一方面，人臉的描述特征可以分為全局特征和局部特征兩大類，兩種特征的作用不同具有互補(bǔ)性，而傳統(tǒng)的人臉性別識別方法在特征提取方面主要是針對單一特征，必定會(huì)影響最終的識別率；另一方面，傳統(tǒng)的性別識別分類器主要有支持向量機(jī)(Support

2、 Vector Machine, SVM)、Adaboost和神經(jīng)網(wǎng)絡(luò)等，由于SVM是針對二分類問題提出的，因此SVM在人臉性別識別問題上被應(yīng)用得最為廣泛，但是這些傳統(tǒng)分類方法對有部分遮擋人臉的識別效果并不理想。
　　為了解決上述兩個(gè)問題，本文提出將全局特征和局部特征進(jìn)行融合得到人臉的描述特征，該人臉描述特征較單一特征包含了人臉更多的有用信息。此外，由于稀疏表示已被成功應(yīng)用于人臉識別領(lǐng)域，其對于存在光照，表情及遮擋等情況下的人臉識

3、別具有很強(qiáng)的魯棒性，因此本文將稀疏表示應(yīng)用于人臉性別識別問題中，并在此基礎(chǔ)上引入了類字典和字典學(xué)習(xí)進(jìn)一步提高了識別率。本文的研究工作如下：
　　(1)深入調(diào)研了目前常用的人臉性別識別方法。綜述了目前在人臉性別識別領(lǐng)域中常用的人臉特征提取方法和常用的人臉性別分類方法。
　　(2)提出了基于單特征和類字典的稀疏人臉性別識別方法。首先，鑒于稀疏表示在人臉識別領(lǐng)域中的成功應(yīng)用，本文將稀疏表示應(yīng)用于人臉性別識別問題中，提出了基于宏字典

4、的稀疏人臉性別識別方法。然后，在基于宏字典的稀疏人臉性別識別方法基礎(chǔ)上，提出了基于類字典的稀疏人臉性別識別改進(jìn)方法。最后，分別基于PCA、LBP和2D-Gabor特征，在CAS-PEAL人臉庫上比較了兩種方法的識別率，通過實(shí)驗(yàn)證明了在單特征條件下，基于類字典的稀疏人臉性別識別方法識別效果更好。
　　(3)提出了基于特征融合和類字典學(xué)習(xí)的新型稀疏人臉性別識別方法。首先，由于全局特征和局部特征在表征人臉方面作用不同且具有互補(bǔ)性，本文將

5、全局特征和局部特征進(jìn)行融合，使用融合特征作為人臉的描述特征，通過實(shí)驗(yàn)證明融合特征的識別率較單一特征要高。然后，由于不經(jīng)過字典學(xué)習(xí)的類字典對于訓(xùn)練數(shù)據(jù)的表征能力有限，本文通過字典學(xué)習(xí)算法得到經(jīng)過學(xué)習(xí)的類字典并將其應(yīng)用于人臉性別分類，通過實(shí)驗(yàn)比較了未經(jīng)過學(xué)習(xí)的類字典和分別經(jīng)過三種字典學(xué)習(xí)算法得到的類字典的識別率，證明了經(jīng)過學(xué)習(xí)的類字典的識別率較未經(jīng)過學(xué)習(xí)的類字典更高并且通過RLS-DLA算法得到的類字典的識別率最高。接著，本文介紹了在稀疏表