论文总字数：25916字

摘 要

学生姓名：刘子群 指导老师：罗琳

人脸图像中包含有丰富的信息，人们从中可以很轻松容易地提取许多有用的信息，如身份、性别、种族特征、年龄、情感表现等。现如今，人脸检测与识别的研究已经取得了长足的进展，并在智能相机和门禁系统中得到了广泛的应用。然而，机器对人脸进行检测与识别后，对人脸中所包含有的信息的解读还远远不够成熟。人脸图像的其中一种扩展应用就是基于人脸图像的性别识别，它可以应用于商业分析、智能硬件人机交互、政府的大规模统计等方面。如今它已成为计算机视觉和模式识别领域的研究热点。

本文系统地介绍了性别识别的几个关键步骤：人脸检测、图像预处理、人脸特征提取和分类方法，详细介绍了每一步的基本原理和实现方法。

本文利用CAS-PEAL人脸数据库，从人脸样本中提取出了LBP特征、Gabor特征和HOG特征作为性别特征，利用SVM进行分类识别，多次执行算法进行实验，取实验结果的平均值作为最终识别率。通过对三种不同特征的识别结果进行比较，得出识别精度最高的是HOG特征。

关键词：性别识别；LBP特征；Gabor特征；HOG特征；SVM

Abstract

Student's name: Ziqun Liu Tutor: Lin Luo

Face images contain rich information, from which people can easily extract many useful information, such as identity, gender, racial characteristics, age, emotional expression and so on. At present, the research of face detection and recognition has made great progress, and has been widely used in intelligent cameras and access control systems. However, after face detection and recognition by the machine, the interpretation of the information contained in the face is far from mature. One of the extended applications of face image is gender recognition based on face image, which can be applied in many cases such as business analysis, human-computer interaction of intelligent hardware, large-scale government statistics, and so on. It has become a research hotspot in the field of computer vision and pattern recognition.

This paper contains the key steps of gender recognition: face detection, image preprocessing, face feature extraction and classification methods of introduction, introduces the basic principle and implementation method.

In this paper, the CAS-PEAL face database was used to extract LBP feature, Gabor feature and HOG feature as gender features. SVM was used for classification and recognition. The algorithm was executed many times for experiments. Comparing the results of three different features, come to the conclusion that the highest recognition accuracy is HOG.

KEY WORDS: gender recognition, LBP Feature, Gabor Feature, HOG Feature, SVM

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1. 研究背景和意义 1

1.2. 人脸性别识别研究现状 1

1.2.1. 基于特征分析的方法 2

1.2.2. 基于整体图像的方法 2

1.2.3. 分类方法之间的比较 2

1.3. 人脸图像数据库 3

1.4. 论文主要的研究工作 4

1.5. 论文结构 4

第二章 人脸检测和图像预处理 5

2.1. 基于Harr特征和Adaboost算法的人脸检测 5

2.1.1. 提取Harr特征 5

2.1.2. Adaboost算法 7

2.2. 图像预处理 8

2.2.1. 图像灰度化 8

2.2.2. 直方图均衡化 9

2.3. 本章小结 10

第三章 人脸性别特征提取 11

3.1. LBP特征 11

3.1.1. 原始LBP算子 11

3.1.2. 圆形LBP算子 12

3.1.3. 均匀模式LBP 13

3.1.4. LBP直方图特征提取 14

3.2. Gabor特征 14

3.2.1. Gabor小波变换简介 14

3.2.2. 二维Gabor小波变换 15

3.2.3. Gabor特征提取 15

3.3. HOG特征 16

3.3.1. HOG算子 16

3.3.2. HOG特征提取 18

3.4. 本章小结 18

第四章 支持向量机 20

4.1. 支持向量机概述 20

4.2. 支持向量机的分类介绍 20

4.2.1. 两类线性可分的支持向量机 20

4.2.2. 两类非线性可分的支持向量机 22

4.2.3. 近似可分情况下的支持向量机 23

4.3. 支持向量机的训练算法 24

4.3.1. 块算法 24

4.3.2. 固定工作样本集算法 25

4.3.3. 块算法和固定工作样本集算法的比较 25

4.3.4. 几种典型的SVM应用算法 25

4.4. 本章小结 28

第五章 性别识别实验 29

5.1. 实验内容 29

5.2. 实验结果 30

5.3. 结果分析 30

5.4. 本章小结 31

第六章 总结与展望 32

6.1. 本文工作总结 32

6.2. 本文的不足与展望 32

参考文献（References）837and baseline evaluations[J]. 34

致 谢 36

绪 论

• 1. 研究背景和意义

计算机与信息技术的飞速发展被人们视作第三次工业革命，信息技术越来越多地被应用到了社会的生产生活之中，如何更好地利用计算机帮助人类处理更多的工作成为了现代社会面向全人类的一个重大课题。

剩余内容已隐藏，请支付后下载全文，论文总字数：25916字