一种基于人脸图像的性别识别方法

摘要

本发明公开了一种基于人脸图像的性别识别方法，属于图像处理及模式识别技术领域。本发明采用将人脸上的局部器官（例如五官）特征分别训练的分类器和人脸整体特征的分类器相结合的分类器融合方式，构造融合分类器来进行性别识别，从而提高识别准确率；并采用2DPCA的方法对图像进行降维，采用2DLDA作为分类方法，在保证检测精度的基础上，减小了运算量，提升了训练和检测速度。

主权项

一种基于人脸图像的性别识别方法，其特征在于，包括以下步骤：步骤A、对测试图像进行人脸检测；步骤B、对检测得到的人脸图像进行至少一个局部器官的检测，得到至少一个局部器官图像；步骤C、分别提取所述人脸图像及各局部器官图像的2DPCA特征；然后分别根据人脸图像的2DPCA特征及各局部器官图像的2DPCA特征，利用2DLDA方法进行性别分类，得到人脸图像的性别分类结果以及各局部器官图像的性别分类结果；步骤D、按照以下公式对人脸图像的性别分类结果以及各局部器官图像的性别分类结果进行融合，得到最终的性别识别结果E：$E=\mathrm{sgn}\left(\underset{i=1}{\overset{Q}{\Sigma }}{\omega }_{i}h\right(i\left)\right),$式中，Sgn(*)为符号函数，返回一个整型变量，指出参数的正负号；Q为待融合的所有性别分类结果的总数；h(i)为第i个待融合的性别分类结果；ω_i为第i个待融合的性别分类结果的权重，按照以下方法预先训练得到：1)对Q个待融合性别分类结果所对应的子分类器分别进行训练，得到各子分类器的分类准确率P_i,i＝1,2,…Q；初步设定各子分类器的权重2)根据$E=\mathrm{sgn}\left(\underset{i=1}{\overset{Q}{\Sigma }}{\omega }_{i}h\right(i\left)\right)$得到融合分类器；3)对融合分类器进行交叉验证测试，并与各子分类器的准确率进行比较，假设融合分类器的准确率为P_new，若P_new均大于P_i,i＝1,2,…Q，则训练完成，各子分类器的权重为当前的子分类器权重；若P_new<P_i,i＝1,2,…Q，则加大P_i的权重，然后重复步骤2)，直到P_new均大于P_i,i＝1,2,…Q为止，在进行交叉验证时，将训练样本随机的分为N个部分，每次取其中1个部分为测试样本，其余作为训练样本进行训练，进行N次交叉验证，每个分类器的准确率为N次的平均值。