基于人臉圖像的性別分類.pdf

1、人臉圖像包含了豐富的人物信息，包括性別、年齡、人種、身份等?；谌四槇D像的性別研究就是從人臉圖像中識別出人物的性別信息。通常，基于人臉圖像的性別識別過程需要包含人臉檢測、特征提取和分類器分類三個部分。本文針對這三個部分進行了研究。
　　人臉檢測部分，本文主要研究了AdaBoost算法?？紤]到不同的圖像質(zhì)量，首先對圖像進行了預處理操作，然后使用AdaBoost算法進行分類器的訓練，最終使用級聯(lián)的分類器進行人臉檢測。針對檢測結果有誤檢

2、的情況，本文設計了相應的算法來對檢測的結果進行驗證，以過濾誤檢的結果，具體方法是:在檢出窗口內(nèi)繼續(xù)檢測眼、鼻、口等器官，并根據(jù)其在窗口內(nèi)位置的相對關系來判斷檢測是否為真的人臉。
　　在特征提取方面，本文研究了PCA和LDA兩種不同的圖像分析方法，比較了他們在應用于人臉圖像分析方面的差異。本文使用PCA算法和PCA+LDA的融合算法進行了基于人臉圖像的性別分類實驗，比較了他們在不同訓練樣本數(shù)量和不同特征維度的條件下對分類性能的影響。

3、
　　分類算法方面，本文重點研究了深度學習中的卷積神經(jīng)網(wǎng)絡。首先介紹了其網(wǎng)絡結構的理論基礎和推導，然后構建了一個卷積神經(jīng)網(wǎng)絡模型用于解決人臉圖像性別分類問題。實驗表明，該網(wǎng)絡結構可以應用于圖像的二分類問題。本文通過對不同的人臉數(shù)據(jù)庫的進行實驗，比較發(fā)現(xiàn)，圖像的光照，以及人臉大小、方向和頭發(fā)等背景會對分類結果產(chǎn)生一定的影響。另外通過對每個卷積層過濾器個數(shù)的修改，實驗分析了不同大小的過濾器層對網(wǎng)絡訓練和分類效果的影響。同時對部分人臉遮