| 主权项 |
一种融合人脸和指纹视觉信息的协同性别识别方法，其特征在于，包括如下步骤：步骤A：基于词袋模型的图像特征表示步骤，其包括通过常规的图像网格获得图像块；通过在每个所述图像块中提取局部特征获得特征集，使用训练样本中的男性和女性类别间决策超平面来得到标准向量，其中，所述标准向量的每个成分用来测量相关特征用于分类的贡献；重新按照所述贡献对特征的维数进行重新排列并得到新的特征；重新得到图像的词袋模型；步骤B：使用识别性潜在狄利克雷分布的性别识别针对人脸和指纹两种模态分别建立模型并进行模型推断得到模型参数，其中，所述模型推断步骤包括：对所述词袋模型最大的下界进行估计；将分类间距最大化；步骤C：性别决策融合步骤，其包括针对给出的样本，分别得到两种模态的标签；建立融合两种模态的综合风险函数，最终的决策通过最小化综合决策风险来得到，所述步骤A包括如下步骤：步骤A1：对图像的每个所述图像块提取局部二值模式可以得到局部特征，并得到区分训练样本集中男性和女性的决策超平面的法向量；步骤A2：根据所述法向量中的元素大小，重新排列图像全部局部特征，从而得到新的图像特征，在此基础上，重新构造图像的视觉词集；步骤A3：在得到所述视觉词集之后，通过规则的词袋模型就可以得到最终的图像特征表达，所述步骤B包括如下步骤：步骤B1：对性别和指纹两种模态的男性和女性分别建立潜在狄利克雷分布的生成式模型所描述的后验概率模型；步骤B2：使用变分推断对所述步骤B1中所描述的后验概率模型，由KL发散原理进行推断；步骤B3：通过最大化模型对数似然概率的下界和类间最大分类阈值训练模型，得到所建立的各个模型的参数，所述步骤C包括如下步骤：步骤C1：对每个带有提取视觉词的测试样本，分别对性别和指纹两种模态的似然函数计算，通过变分推断分别得到两种模态的类别标签；步骤C2：定义模态的决策值，建立对性别和指纹模态的融合的决策贝叶斯风险函数：步骤C3：通过最小化融合风险函数，得到最终的决策。 |
