一种基于卷积神经网络的性别识别方法

摘要

本发明公开了一种基于卷积神经网络的性别识别方法，首先获取训练样本集并对每个人脸图像标记性别标签，对每张人脸图像样本进行预处理，并得到不同方向和尺度下的Gabor特征，获取若干Gabor特征图像，将这些Gabor特征图像转化为一维特征向量，进行降维后，转化成适宜卷积神经网络输入层大小的特征矩阵，根据人脸图像样本的特征矩阵和性别标签训练得到卷积神经网络；对待识别的人脸图像，采用相同方法提取得到对应的特征矩阵，输入至训练好的卷积神经网络中，得到性别识别结果。本发明采用Gabor特征结合卷积神经网络来进行性别识别，提高对光照变化的鲁棒性，从而提高对性别的识别率。

主权项

一种基于卷积神经网络的性别识别方法，其特征在于，包括以下步骤：S1：分别获取若干张男女人脸图像，构成训练样本集，对训练样本集中每个人脸图像标记性别标签；S2：对训练样本集中每张人脸图像进行预处理；S3：对训练样本集中预处理后的每张人脸图像提取M个方向、N个尺度的Gabor特征，提取得到M×N幅Gabor特征图像；S4：对于每幅人脸图像的M×N幅Gabor特征图像，将每幅Gabor特征图像转化为一维特征向量，然后将M×N幅图像的一维特征向量组合得到一个一维特征向量；然后采用降维处理算法将该一维特征向量的维数降至P²，将降维后的特征向量中的P²个元素，以P个连续元素为一行，转换得到人脸图像对应的P×P的特征矩阵；S5：构建卷积神经网络，将各个人脸图像对的特征矩阵作为卷积神经网络的输入，其对应的性别标签作为输出，对卷积神经网络进行训练，得到训练好的卷积神经网络；S6：对待识别的人脸图像，采用与步骤S2至步骤S4相同的方法，提取得到对应的特征矩阵；S7：将步骤S6提取得到的特征矩阵输入步骤S5训练好的卷积神经网络中，得到性别识别结果。