文档介绍：摘要
人脸识别技术是模式识别领域最重要的研究课题之一,也是近些年来研究的热点,作为人脸识别技术的重要组成部分,始于20世纪90年代的人脸性别识别受到了广泛的关注,具有广阔的应用前景。
人脸性别分类系统包括人脸检测、图像预处理、特征提取、性别分类四个主要部分。本文针对特征提取和性别分类两部分展开研究,并比较了几种不同方法的识别性能。通过对人脸性别识别问题中的重要理论的研究,提出了将独立成分分析方法和支持向量机相结合和的性别识别方法。
独立成分分析法是20世纪90年代伴随着盲分离问题而发展起来的一种新的统计信号处理技术。独立成分分析算法在图像处理方面的应用也越来越多,并且均取得了令人满意的结果。大量研究表明,图像的大部分重要信息是包含在图像像素的高阶关系中,本文采用基于信号的高阶统计特性的独立成分分析法提取人脸性别特征,更全面地考虑信号的概率密度函数的统计独立性,从而抽取出统计独立的特征。
支持向量机是建立在统计学****理论中的VC维理论和结构风险最小化基础之上的是一种非线性处理工具,其最大特点是根据结构风险最小化原则,尽量提高学****的泛化能力。它根据有限的样本信息在模型的复杂性和学****能力之间寻求最佳折中,以期获得最好的推广能力。本文选用支持向量机作为训练和检测样本的分类器,力求达到最佳的性别分类的识别效果。
本文针对男女两种性别,采用独立成分分析和主成分分析两种特征提取方法分别与支持向量机相结合的方法,同时还采用了独立成分分析与BP神经网络相结合的方法,并将不同方法得出的结果进行了对比分析。实验结果表明,整体看来,女性比男性的识别率要高;独立成分分析与支持向量机相结合的方法得到的识别率较高,达到90%以上;在独立成分分析与支持向量机相结合的方法中,当测试的顺序分量的数量为220时,总体识别率最高,达到91%。
关键词:人脸性别分类,独立成分分析法,主成分分析法,支持向量机
Face Gender Classification Based on ponent Analysis
Abstract
Face recognition technology is one of the most important fields in pattern recognition research and is a research hotspot in recent years. As an important part of face recognition technology, face gender recognition which began in the 90's in the 20th century gets a wide range of concern and has broad application prospects.
Face gender classification system has four main parts, including face detection, image preprocessing, feature extraction, gender classification. In this paper, the author does research in feature extraction and gender classification, comparing the identification ability of two different feature extraction methods. According to the study on the important theories of face gender identification, the author put forward to a face gender identification method that is bination of ponent analysis and support vector machine.
ponent analysis is a new statistical signal processing technology which has developed with the problem of blind source separation since the 90's in the 20th century. ponent analysis algorithm has been more and more used in image processing and achieved many satisfying results. A la