基于Gabor小波加权组合特征的性别识别

现有的性别识别算法往往是基于特定人脸数据库进行识别的,由于人脸的复杂度和多样性,在实际应用场景中存在较大缺陷.为此,提出一种基于Gabor小波加权组合特征的性别识别算法.首先对人脸区域进行预处理,调整光照、姿势等进行去噪,通过Gabor小波变换得到人脸的特征向量;然后利用梯度值构造一个权值矩阵对人脸特征进行组合,在显著降维的同时获取有效的组合特征;再对该特征向量进行主成分分析,进一步降维得到加权组合特征;最后将大量训练样本的加权组合特征用支持向量机进行有监督式学习,得到一个二分类的性别分类器.实验结果表明,针对现实场景中的人脸图片,该算法比现有算法具有更高的识别准确率.

Gender Recognition Based on Weighted Combination of Gabor Wavelets