基于支持向量機(jī)的人臉年齡估計(jì)算法研究.pdf

1、在人與人的交流中，信息并不完全來(lái)自于語(yǔ)言，還有一些從人臉得到的視覺(jué)上的信息也是非常重要的，如交流對(duì)方的性別，年齡，情感等等。所以近年來(lái)越來(lái)越多的研究人員開(kāi)始研究這方面的課題，其中對(duì)人臉年齡的估計(jì)比較特別，它既可以是一個(gè)分類的問(wèn)題也可以看做是一個(gè)回歸的問(wèn)題。
　　 本文對(duì)基于支持向量機(jī)的人臉估計(jì)問(wèn)題進(jìn)行了深入研究，總結(jié)了年齡估計(jì)的國(guó)內(nèi)外發(fā)展現(xiàn)狀以及該課題的技術(shù)難點(diǎn)，介紹了年齡估計(jì)的系統(tǒng)框架結(jié)構(gòu)并對(duì)其中的特征提取以及分類算法進(jìn)行了深

2、入的研究，另外，還將蟻群優(yōu)化的支持向量機(jī)用于人臉年齡估計(jì)的系統(tǒng)中。
　　 本論文主要的工作和創(chuàng)新點(diǎn)如下:
　　 (1)研究了人臉圖像預(yù)處理的基本方法，并對(duì)數(shù)據(jù)庫(kù)中的人臉圖像進(jìn)行歸一化處理，得到去除了背景影響以及更為清晰的人臉圖像，并且切割出人臉局部區(qū)域，用于局部特征提取。
　　 (2)深入研究了人臉圖像的特征提取方法，并將三種特征提取方法相融合，得到既有全局特征又有局部紋理特征的年齡特征參數(shù)。研究了特征參數(shù)的融合

3、方法，采用了兩種局部特征在特征層融合后再與全局特征在決策層融合的方法。在特征提取的過(guò)程中由于參數(shù)維數(shù)較高，使用了原始的PCA降維算法進(jìn)行特征降維。
　　 (3)深入研究了線性分類以及支持向量機(jī)分類算法，以及基于核函數(shù)的支持向量機(jī)算法，并對(duì)支持向量機(jī)回歸機(jī)做了簡(jiǎn)要介紹。另外還介紹了蟻群算法，并且使用蟻群算法來(lái)優(yōu)選基于核的支持向量機(jī)中的參數(shù)，將其應(yīng)用于三種數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，取得了良好的分類效果。
　　 (4)對(duì)人臉年齡數(shù)據(jù)庫(kù)進(jìn)