基于人臉面部特征的性別分類研究.pdf

1、本文對(duì)多角度人臉性別分類問(wèn)題進(jìn)行了研究?；趫D像的性別分類是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域中的熱門研究課題之一，是一個(gè)大規(guī)模的兩類分類問(wèn)題。本文研究了人臉檢測(cè)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(wèn)題上的分類性能。主要研究?jī)?nèi)容包括： ⑴動(dòng)態(tài)瀑布結(jié)構(gòu)的人臉檢測(cè)算法本文提出了一種動(dòng)態(tài)瀑布模型算法用來(lái)訓(xùn)練有效的人臉檢測(cè)器。此算法可以在超大規(guī)模的樣本集上訓(xùn)練檢測(cè)器，而且只需要很少的訓(xùn)練參數(shù)。同時(shí)，動(dòng)態(tài)瀑

2、布模型算法可以采用并行分布式計(jì)算，因此在100億的樣本集上訓(xùn)練一個(gè)人臉檢測(cè)器，只需30臺(tái)個(gè)人臺(tái)式計(jì)算機(jī)和不超過(guò)8個(gè)小時(shí)的訓(xùn)練時(shí)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(lái)訓(xùn)練boost分類器。利用這種分類器，我們可以使用較少的特征來(lái)獲得更加穩(wěn)定的boost分類器。貝葉斯弱分類器通過(guò)將傳統(tǒng)的二值斷言型弱分類器擴(kuò)展為多路劃分的決策樹型弱分類器來(lái)達(dá)到最小化貝葉斯錯(cuò)誤率的目標(biāo)。 ⑶使用多

3、個(gè)特征集合的人臉檢測(cè)器訓(xùn)練方法如何減少運(yùn)行時(shí)的計(jì)算消耗和增加檢測(cè)的準(zhǔn)確率是人臉檢測(cè)領(lǐng)域的兩個(gè)最具挑戰(zhàn)性的問(wèn)題。為了解決這兩個(gè)問(wèn)題，我們通過(guò)在動(dòng)態(tài)瀑布模型中使用多種特征集合，同時(shí)優(yōu)先使用計(jì)算復(fù)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(yīng)用于人臉性別分類問(wèn)題。這個(gè)方法首先采用多方向、多尺度的Gabor濾波器對(duì)人臉圖像進(jìn)行卷積，得到一系列Gab