特征分類(lèi)器的研究與優(yōu)化及其在年齡估算中的應(yīng)用.pdf

1、近幾年,年齡估計(jì)引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注并且有著廣泛的應(yīng)用前景。然而,由于人的年齡特征具有較強(qiáng)的個(gè)體差異性和不可控制性,人的飲食,健康,生長(zhǎng)環(huán)境,生活方式,甚至心理因素等外在因素都會(huì)影響到年齡的估計(jì),現(xiàn)有的年齡估計(jì)結(jié)果和實(shí)踐經(jīng)驗(yàn)表明,年齡估計(jì)的研究還需要對(duì)特征分類(lèi)器進(jìn)行更深入的研究。
　　本文提出了對(duì)特征分類(lèi)器進(jìn)行研究與優(yōu)化,實(shí)現(xiàn)對(duì)年齡段的分類(lèi)。本文針對(duì)以下內(nèi)容,進(jìn)行了一系列的創(chuàng)新性研究:
　　(1)提出了一種新的以可視化

2、特征為依據(jù)的年齡段分類(lèi)方法:基于標(biāo)準(zhǔn)的FG-NET數(shù)據(jù)庫(kù),提出了依據(jù)年齡增長(zhǎng)的可視化規(guī)律將人臉年齡劃分為5組的年齡估計(jì)系統(tǒng)。即嬰兒(0-2)、兒童(3-10)、少年(11-18)、青年(19-39)、中老年(40-69)。從而將年齡估計(jì)問(wèn)題轉(zhuǎn)化為分類(lèi)問(wèn)題來(lái)研究,并取得良好效果。
　　(2)提出了一種新的人臉特征歸一化預(yù)處理技術(shù):通過(guò)人臉檢測(cè)模塊分提取出人的臉部區(qū)域并對(duì)圖像進(jìn)行預(yù)處理。將彩色圖像灰度化,便于各種特征提取具有統(tǒng)一標(biāo)準(zhǔn),

3、并灰度均衡化,消除光照等背景影響,然后標(biāo)定每張圖像的人眼位置,將圖像進(jìn)行旋轉(zhuǎn),尺寸歸一化為160*160的圖像。
　　(3)根據(jù)年齡特征的提取方法進(jìn)行了對(duì)比性研究:通過(guò)實(shí)驗(yàn)對(duì)主動(dòng)外觀模型法(Active Appearance Model,簡(jiǎn)稱AAM)、Gabor小波特征提取法、局域二值模式方法(Local Binary Pattern,簡(jiǎn)稱LBP)進(jìn)行了比較性研究。比較了323344,,三種方格劃分的性能。對(duì)Gabor小波和LBP

4、組合、LBP與AAM組合進(jìn)行了比較研究,并發(fā)現(xiàn)了特征提取的規(guī)律。
　　(4)為了進(jìn)一步優(yōu)化特征分類(lèi)器,本文設(shè)計(jì)了一套適用于人臉年齡分類(lèi)的分類(lèi)器選用策略:采用支持向量機(jī)分類(lèi)器和高斯徑向基核函數(shù)組合,利用網(wǎng)格搜索的交叉驗(yàn)證法搜索最優(yōu)參數(shù),用“一對(duì)一”的多分類(lèi)方式實(shí)現(xiàn)對(duì)人臉年齡分類(lèi)。
　　本文的工作通過(guò)系列的比對(duì)實(shí)驗(yàn),對(duì)多種經(jīng)典的特征分類(lèi)器進(jìn)行研究和進(jìn)一步優(yōu)化,提出新的特征分類(lèi)器與基于年齡分類(lèi)的策略,并對(duì)所提算法進(jìn)行了軟件實(shí)現(xiàn),依