性别分类中头发特征提取方法的研究

针对人脸性别分类问题,提出基于头发特征的分类方法。对人脸重要外部特征之一的头发特征属性的提取与表示以及参数的选取进行分析与研究。在1 680张AR人脸图片上,利用头发特征模型对性别进行分类,将实验结果与基于人脸内部特征的分类结果进行比较,结果表明,采用头发特征的性别分类,其准确度获得平均7.5%的提升,最高准确率达96%。     

性别分类中头发特征提取方法的研究

针对人脸性别分类问题,提出基于头发特征的分类方法。对人脸重要外部特征之一的头发特征属性的提取与表示以及参数的选取进行分析与研究。在1 680张AR人脸图片上,利用头发特征模型对性别进行分类,将实验结果与基于人脸内部特征的分类结果进行比较,结果表明,采用头发特征的性别分类,其准确度获得平均7.5%的提升,最高准确率达96%。     

基于独立分量分析和遗传算法的人脸性别分类

性别是人脸反映的一个重要信息,通过人脸图像实现性别自动分类对大型人脸数据库的检索和识别具有重要意义。提出了一种新的结合独立分量分析(ICA)和遗传算法(GA)的人脸性别分类方法。首先采用快速独立分量分析方法(FastICA)提取人脸图像的独立基图像和投影向量,获得人脸的低维表征;然后通过遗传算法从该低维空间中选择对性别分类有利的特征子集;最后采用支持向量机进行分类。将ICA的空间局部特征提取功能、遗传算法快速寻优的特征选择功能以及SVM的强分类能力有机地结合起来。实验表明,该方法取得了很好的分类性能。     

人脸的性别分类

人脸的性别分类是指根据人脸的图像判别其性别的模式识别问题．系统地研究了不同的特征提取方法和分类方法在性别分类问题上的性能，其中包括主分量分析(PCA)、Fishel线性鉴别分析(FLD)、最佳特征提取、Adaboost算法、支持向量机(SVM)．给出了在9姿态人脸库、FERET人脸库和一个网络图片人脸库上的对比实验结果．实验表明人脸中的性别信息集中存在于某个子空间中，因此，在分类前对样本进行适当的压缩降维不但不会明显降低分类器的性能，而且可以大大减少分类的时间开销．最后介绍了将性别分类器与自动人脸检测和特征提取平台集成起来的基于人脸图像的性别判别系统．     

基于头发信息的性别分类

性别分类是指根据人脸部分的图像判别其性别的模式识别问题.探讨使用头发信息作为特征进行基于人脸图像的性别分类,提出了一种检测正面人脸图像中头发区域的方法,定义了6种头发特征并且提出了相应的特征提取方法.通过在两个人脸库上的对比实验,发现相对于特征脸(PCA)、Fisher脸(LDA)仅仅作用于人脸内部的特征提取方法,使用头发作为特征能使性别分类的平均准确率提高2.7%～8.2%.该实验结果说明了头发特征对于性别分类的重要性.     

融合AdaBoost和启发式特征搜索的人脸性别分类

提出一种基于AdaBoost的人脸性别分类方法,从一张低分辨率灰度人脸图像中辨认出一个人的性别。将启发式搜索算法融于AdaBoost算法框架中,从而发现新的可用于更好分类的特征。利用该方法进行人脸性别分类方面的实验,当使用少于500个像素比较时,正确识别率达到了93%以上,这与迄今已公布的最佳的分类器支持向量机（SVM）的正确识别率相当,但速度却快得多。     

融合内外特征的性别分类

针对以往仅用人脸特征或头发特征来进行性别分类的片面性,提出了将两类特征相融合的性别分类方法.用对光照、尺度变化具有很强鲁棒性的Gabor小波变换提取人脸内部特征并用PCA方法降维.利用最小代价原理,将动态搜索技术用于图像空间取得头发区域,定义了头发长度、头发表面积两种外部特征,并提出了相应的特征提取方法.采用模糊神经网络对三种特征进行非线性融合.在 Essex 人脸库中进行了性别分类实验,取得了97.1%的准确率.     

基于局部Gabor二值映射和SVM的性别分类

基于多角度人脸图像的性别分类是计算机视觉领域的一项具有挑战性的研究课题。为了提高多角度人脸性别分类的准确率,提出一种新的局部Gabor二值映射模式特征提取方法。该方法结合了局部二值模式、图像空间信息以及Gabor小波变换的幅值信息,对图像噪声、光照变化和人脸角度变化均具有一定的鲁棒性。在中科院CAS—PEAL人脸数据库上进行的实验表明,在所有9种不同角度的人脸图像中,该方法取得了95％的最高平均准确率。     

压缩传感在人脸性别辨认中的研究

给出一种基于压缩传感理论的人脸性别辨认算法,试图解决在复杂光照环境下人脸性别的鲁棒辨认问题。在简单介绍传统人脸性别辨认方法和压缩传感理论的相关内容后,给出本文主要工作,包括创建人脸性别数据库,构造人脸性别字典基和提出性别辨认算法等。最后,算法在面向复杂光照变化环境的Extended Yale B人脸数据库子集上对人脸的性别鉴别问题进行验证。实验结果表明本文提出算法的计算效率和识别率优于传统方法;且在复杂光照环境下,基于结构的压缩传感性别辨认方法的鲁棒性要优于传统基于能量的方法。     

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...     

基于改进CNN的年龄和性别识别

人脸图像的年龄和性别识别是人脸分析的重要任务,在真实多变场景下完成识别依然面临挑战。改进深度卷积神经网络（Convolutional Neural Network,CNN）,将首层大尺寸卷积核替换为级联3[×]3卷积核;采用跨连卷积层融合中层和高层抽象特征;加入Batch Normalization（BN）层,设置较高的学习率和较小的Dropout比率;采用1[×]1卷积核与全局平均池化（Global Average Pooling）取代全连接层。实验表明,所提方法与主流的年龄性别识别方法比较具有较好的识别率,在Adience数据集上,年龄识别精度达到89.8%,性别识别精度达到93.3%。     

基于MobileNet-V2模型的性别识别

文章主要将MobileNet-V2模型应用于人脸性别识别,分别对单人脸及多人脸图像集进行性别识别.针对304950张单人脸图像集,实验结果表明,该方法性别识别精度达到98.01％.较MobileNet-V1方法识别精度高3.6个百分点,较ResNet50方法识别精度高3.2个百分点.同时,对多人脸图像进行性别识别,其识...     

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。     

Improving the SVM gender classification accuracy using clustering and incremental learning

Gender recognition has been playing a very important role in various applications such as human–computer interaction, surveillance, and security. Nonlinear support vector machines (SVMs) were investigated for the identification of gender using the Face Recognition Technology (FERET) image face database. It was shown that SVM classifiers outperform the traditional pattern classifiers (linear, quadratic, Fisher linear discriminant, and nearest neighbour). In this context, this paper aims to improve the SVM classification accuracy in the gender classification system and propose new models for a better performance. We have evaluated different SVM learning algorithms; the SVM‐radial basis function with a 5% outlier fraction outperformed other SVM classifiers. We have examined the effectiveness of different feature selection methods. AdaBoost performs better than the other feature selection methods in selecting the most discriminating features. We have proposed two classification methods that focus on training subsets of images among the training images. Method 1 combines the outcome of different classifiers based on different image subsets, whereas method 2 is based on clustering the training data and building a classifier for each cluster. Experimental results showed that both methods have increased the classification accuracy.     

基于多层特征融合可调监督函数卷积神经网络的人脸性别识别

为了进一步提高性别识别的准确率,提出了一种基于多层特征融合与可调监督函数机制的结合的卷积神经网络（L-MFCNN）模型,并将之用于人脸性别识别。与传统卷积神经网络（CNN）不同,L-MFCNN将多个浅层中间卷积层特征输出与最后卷积层特征输出相结合,融合多层卷积层的特征,不仅利用了深层卷积的整体语义信息,还考虑了浅层卷积的细节局部纹理信息,使得性别识别更加准确。此外L-MFCNN还引入具有可调目标监督函数机制的Large-Margin Softmax Loss作为输出层,利用其调节不同的间隔（margin）的机制来有效引导深层卷积网络学习,使得同种性别间的类内间距更小,不同性别间的类间距更大,获得更好的性别识别效果。在多个人脸数据集上的性别识别实验结果表明,L-MFCNN的识别准确率要高于其他传统的卷积网络模型。L-MFCNN模型也为将来的人脸性别识别研究提供了新的思路与方向。     

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。     

基于级联支持向量机的人脸图像性别识别

提出一种由若干个支持向量机(SVM)分类器串连而成的级联SVM算法,用于人脸图像性别识别。该算法把容易被前一层分类器分类的训练样本过滤掉,将难度较高的训练样本重新组织起来训练新一层的分类器。结合级联分类器和SVM理论的优势,在训练过程中能够使用更多的样本,具有更好的识别性能。在同一硬件实验条件下的实验结果表明,单层SVM最多只能训练7万样本,而四层级联SVM的训练样本数可达12万以上,相应的识别率也从96.6%上升至98.4%。     

机器仿生眼的多任务学习人脸分析

智能机器人中人机交互的性能至关重要,人脸分析可以使人机交互变得更友善.文中提出可以同时进行笑容识别和性别分类的多任务学习卷积神经网络,同时学习存在内在相关性的任务,提升单个任务的性能.在CelebA数据集的测试集上,文中网络在笑容识别任务和性别分类任务中均获取较高准确率.在设计的机器仿生眼上验证文中模型,获得良好的笑容识别效果和性别分类效果.文中对人脸分析进行的研究可以提升与机器仿生眼人机交互的能力.