基于人脸图像的年龄估计

年龄是人固有的生物特征,随着年龄的变化,人脸特征也不断变化.近年来基于人脸图像的年龄估计方法的研究不断深入.基于人脸图像的年龄估计主要有两个阶段:特征提取和估计方法.针对以上两个阶段,分别提出相应的方法.在特征提取方面,为了更好地描述年龄变化,特别是针对未成年人,引入了方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,并将其与局部二元模式(Local Binary Pattern,LBP)特征进行融合;在估计方法方面,提出了软双层估计模型,其采用由粗到细的策略.首先,在第一层将人脸分成“未成年人”与“成年人”两类;然后,在第二层通过在两类的边界设置重叠区域,分别对其建立年龄估计模型,以对第一层的错误分类进行补救.通过实验发现,融合的特征具有更强的年龄判别性,同时,软双层模型也进一步提高了年龄估计的准确度.     

人脸性别识别综述

该文是对现有的人脸性别识别方法的综述。文中分别介绍了主要的特征提取算法和分类方法,还对一些典型的性别分类方法进行了比较和评价,并在此基础上对人脸性别识别的研究进行了总结和展望。     

基于模糊隶属度的人脸图像年龄估计

由于人脸面貌特征与年龄存在着较大的不确定性,提出了基于模糊隶属度的人脸图像年龄估计.用对光照、尺度变化具有很强鲁棒性的Gabor小波变换提取人脸特征,为了避免维数灾难,降低后续计算量,利用主成份分析方法对提取到的特征进行降维,细致推导了适用于人脸图像年龄估计的模糊函数,根据最大隶属度原则,来估计人脸的年龄.在FG-NET人脸库及自建的FAID人脸库中进行了实验,取得了94％的最高识别率.     

基于模糊隶属度的人脸图像性别识别

由于人脸面貌特征与性别存在着一定的不确定性,提出了基于模糊隶属度的人脸图像性别识别。用对光照、灰度变化具有较强鲁棒性的局部二进制模式(LocalBinary Pattern,LBP)提取人脸特征,首先将人脸均分为多个子窗口,对所有子窗口提取LBP直方图,然后将这些直方图顺次连接来描述人脸。细致推导了适用于人脸图像性别识别的模糊函数,根据最大隶属度原则,来识别人脸的性别。在FG-NET人脸库及自建的FID人脸库中进行了实验,取得了96%的最高识别率。     

基于人脸图像衰老特征相关性的年龄估计方法

研究年龄的自动准确识别问题。人脸中,与年纪相关的特征,例如皱纹、面部肌肉松垂、皮肤光泽下降等过于细微,捕获后容易缺失,很难建立稳定性较强的识别模型。传统的基于年纪相关年龄识别方法,在正常的人脸模型中添加年纪特征后,很容易导致模型的不稳定,年纪特征被淡化,年龄估计准确率不高。为解决上述问题,提出了衰老特征相关性计算的年龄估计方法。对提取的人脸图像衰老特征参数进行非线性变换处理,获取特征向量权值系数。利用小波变换方式计算衰老特征相关性系数,进行年龄估计。实验证明,新方法提高了年龄识别的准确率,取得了满意的效果。     

基于人脸图像的性别识别方法研究

研究性别优化识别问题,在当前的性别识别方法中,大部分依靠的是一些明显的人体第二性征作为识别依据,当人脸上性别特征不明显的时候,识别成功率不高。为了提高准确率,提出了一种性别模型的性别识别判定方法。利用摄像设备采集单帧人脸图像,首先采集人脸关键部位的有效特征点,建立有效的性别识别模型,运用模型进行性别的判定。实验结果表明,方法相对于以人体性别特征为参数的性别识别方法,识别的准确率有了明显改进,取得了不错的识别效果。     

基于人脸图像的性别识别技术

以原始人脸图像为基础,用灰度拉伸、灰度均衡、中值滤波、图像锐化和图像变换等多种处理方法对人脸图像进行预处理,用分形几何的关联维方法提取人脸图像的特征值,并通过BP网络建立性别识别模型。在此基础上,用上述各种预处理方法对29个未参与建模的人脸图像处理,然后进行性别识别。结果表明,用灰度拉伸和傅立叶变换处理的人脸图像,性别识别效果较好;图像变换比其他处理方法的识别效果好;先对人脸图像作灰度拉伸,然后作傅立叶变换,性别识别效果最佳。     

人脸图像的年龄估计技术研究

年龄信息作为人体的一种重要生物特征,在安全监控、人机交互、视频检索等领域有着巨大的应用潜力,并且是人脸识别技术的主要瓶颈问题之一。基于人脸图像的年龄估计技术作为一种新兴的生物特征识别技术,目前已经成为计算机视觉、人机交互等领域的一个重要研究课题。为此对国内外近几年来在年龄估计技术方面的发展情况进行了综述,主要包括年龄特征提取与年龄分类模式两大部分。同时对常用的年龄数据库、性能评价指标进行了总结,并在此基础上对当前的一些年龄估计系统的性能进行了对比。最后,对基于人脸图像的年龄估计技术所面临的挑战以及可能的发展方向进行了讨论。     

人脸性别约束下的深度随机森林表情识别

由于人脸表情类内变化和类间干扰因素的存在,人脸表情识别仍面临着巨大挑战.提出一种基于性别条件约束随机森林的深度人脸表情识别方法,解决人脸表情识别中噪声、性别等变化和干扰问题.首先,采用深度多示例学习方法提取鲁棒性人脸特征,解决人脸光照、遮挡和低分辨率等图像变化问题;其次,采用性别条件随机森林分类方法进行人脸表情分类器设...     

人脸图像年龄估计模型综述

人脸图像年龄估计是模式识别领域中一个重要的研究方向。本文针对人脸图像年龄估计中提出的模型进行了分析、分类、归纳和总结,指出了各种模型的优缺点和研究现状。     

基于分类与回归混合模型的人脸年龄估计方法

针对现有人脸年龄数据库样本数量少、各年龄段分布不均匀的问题,提出了一种基于分类与回归混合模型的人脸年龄估计方法。该方法主要包含两个方面：特征学习和估计模式。在特征学习方面,利用已有的深度卷积神经网络（CNN）,先在粗糙年龄标注数据集上预训练,再在现有的精确年龄标注数据库上微调,分别得到一个年龄段判别模型和两个年龄估计模型;在估计模式方面,该方法采用由粗到细的策略：首先,将人脸分入青少年、中年、老年和两个重叠区域这五个年龄段;然后,对于青少年和老年采用分类模型估计,对于中年采用回归模型估计,对于重叠区域采用两个模型估计的均值。所提方法在测试集上的平均绝对误差（MAE）为2.56。实验结果表明该方法受不同肤色和性别的影响较小,有较低的误差。     

基于语义分类的外观专利图像快速检索系统

针对大规模专利图像特征库的特点,使用边缘轮廓距离与分块特征相结合的方法提取低层视觉特征,结合基于K均值聚类的分类索引方法,兼顾语义相似和视觉特征相似,对专利图像库数据构建索引结构,实现了先分类后检索的功能。实验结果表明,方法不仅提高了检索速度,而且提高了检索的语义敏感度。     

基于特征融合的室外天气图像分类

天气状况对室外视频设备的成像效果有很大影响。为实现成像设备在恶劣天气下的自适应调整,从而提升智能监控系统的效果,同时针对传统的天气图像判别方法分类效果差且对相近天气现象不易分类的不足,以及深度学习方法识别天气准确率不高的问题,提出了一个将传统方法与深度学习方法相结合的特征融合模型。融合模型采用4种人工设计算法提取传统特征,采用AlexNet提取深层特征,利用融合后的特征向量进行图像天气状况的判别。融合模型在多背景数据集上的准确率达到93.90%,优于对比的3种常用方法,并且在平均精准率（AP）和平均召回率（AR）指标上也表现良好;在单背景数据集上的准确率达到96.97%,AP和AR均优于其他模型,且能很好识别特征相近的天气图像。实验结果表明提出的特征融合模型可以结合传统方法和深度学习方法的优势,提升现有天气图像分类方法的准确度,同时提高在特征相近的天气现象下的识别率。     

性别鉴别的线性可分性分析

首次从线性可分性的角度探讨了人脸图像的性别鉴别问题。通过对常用线性与非线性特征抽取方法以及一类改进的非线性特征抽取方法的对比分析及不同情况下性别鉴别的实验对比,较全面地考察了各种特征抽取方法所对应的数据的线性可分性及分类效果。首次提出从人脸肤色等角度考虑人脸图像的性别鉴别问题,并给出了指示意义较强的鉴别方法与方案建议。     

基于图像的面部表情识别方法综述

近年来,面部表情识别在教育、医学、心理分析以及商业领域得到了广泛关注。针对目前表情识别方法不够系统、概念模糊的问题,对面部表情识别的步骤及其方法进行了综述探讨。首先,介绍了目前常用的人脸表情数据集,并回顾了面部表情识别的发展历程;然后,介绍了人脸表情识别的面部表情编码和面部表情识别过程这两个方面,归纳了人脸面部表情识别的四个过程,重点总结了特征提取和表情分类两个过程中的经典算法以及这些算法的基本原理和优劣比较;最后,指出了目前面部表情识别存在的问题和未来可能的发展趋势。     

基于分布估计算法的模糊分类方法

提出了基于分布估计算法的模糊分类建模方法,该方法基于Apriori原理生成初始模糊规则集,并且以匹茨堡型的二进制编码方式对模糊规则集编码,基于双变量相关的MIMIC (mutual information maximization for input clustering)分布估计算法从初始规则集中自动抽取模糊规则.通过在Iris,Pima,Wine这3个标准数据集的仿真实验表明,该方法比基于遗传算法的模糊分类器在准确率和解释性方面更有效.     

加权FCM原型空间特征提取的高光谱图像分类

在原型空间特征提取方法的基础上提出一种基于加权原型空间特征提取的方法用于高光谱图像数据分类。通过加权模糊[C]均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的信息量。实验结果表明,与PSFE相比,w-PSFE对数据集大小的稳定性更高,同时在提取少量的特征用于高光谱图像数据分类时分类精度更高。     

融合人脸五官信息的深度年龄估计

本文提出了一种新型的基于人脸五官辅助的深度年龄估计方法,将传统的人脸五官区域特征提取加分类器设计方法与基于深层卷积神经网络(convolutional neural network,CNN)的端到端分类方法进行融合来解决年龄估计问题,增强了系统模型的泛化能力.该方法将面部关键点生成的局部对齐的人脸图像块作为CNN的输入,直接从图像的像素点评估年龄,采用多尺度分析网络结构极大地提高了性能,同时又利用传统算法增强了五官区域的信息.最后通过在MORPH AlbumⅡ上的实验表明文中提出方法比其他同类研究方法更加优秀.