[发明专利]一种针对人脸图像的性别特征选择方法及装置

说明书

本发明涉及图像识别领域，具体涉及一种针对人脸图像的性别特征选择方法及装置。该方法及装置对裁剪对齐的人脸图像进行主成分分析转换，将人脸图像中图像像素信息转换为主成分特征集，并将主成分特征集通过遗传算法及分类器获取特征子集。该方法及装置在已自动裁剪对齐的人脸图像上，先利用主成分分析转换得到全新特征集，再采用遗传算法从中提取一组能提高分类性能的人脸性别特征，并基于这组特征训练出神经网络分类器。该分类器相比单纯在全局图像信息进行分类的方法，不仅识别率有所提高，而且由于只用了原图像一半不到的特征维度，从而降低了训练和识别的计算开销。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种针对人脸图像的性别特征选择方法及装置。

背景技术

在当今信息化时代，性别识别在安保监控、人机交互、商务智能分析等领域都有重要的应用。尤其随着大数据的快速发展，并持续冲击着互联网科技行业，掌握客户的性别、年龄、爱好、习惯等信息，将是这新一轮技术革命的源泉，这已是众多科技公司的共识。性别作为区分人群的最基本手段，已被研究多年并应用于诸多识别系统中。

性别识别的方式层出不穷，有基于步态的识别方法；也有分析衣着、体态、声音的；现有技术通过研究人的正脸图像的性别特征，以正确归类性别。分析正脸图像以识别性别的方法已取得不少研究成果，大多方法可分为基于几何特征和基于图像表观两种。

几何特征分析方法，一般需要提取多个特征点距离，比如：脸部宽高、双眼距离，使之构成特征集，再对特征集作进一步分析。现有技术中有使用Viola Jones算法从脸部裁剪出眼睛、鼻子、嘴巴几个重要部位，再提取眼眉到眼睛、眼眉到鼻子上梁等几个距离特征，进而应用人工神经网络方法训练特征距离集。

而图像表观分析方法，是把人脸整体图像的每一像素值视为同等权重的信息，并作为分类器的输入集。这种方法的识别率主要取决于图像预处理手段和所选择的分类器。现有技术中Tamura等人使用三层神经网络在不包含头发和轮廓的中心脸部，且8*8低分辨率的人脸图像上识别性别；Moghaddam综合比较了多种性别识别方法，并发现SVMs错误率最低；现有技术中存在着对比了灰度拉伸、中值滤波、图像锐化、傅立叶和沃什变换等几种图像预处理方法对识别准确率的影响。

越来越多的研究者倾向于寻找可表征性别的，而与种族、肤色、表情、年龄、环境、穿戴物(如眼镜)等无关的人脸特征；并采用特征提取方法，以减少无用、干扰信息，缩短计算时间。

现有技术中Rai等人把主成分分析得到的特征以及以SVM作为性别分类器；O’Toole等人使用结合PCA和神经网络的方法，并取得较好的性能；Bebis从正脸图像中用遗传算法选择出特征子集，并在实验中比较了4种不同的分类器；Tapia分析了人脸图像的多种混合特征，包括亮度、外形和纹理，并在FERET数据集上取得高达99.13％的分类正确率。

发明内容

本发明实施例提供了一种针对人脸图像的性别特征选择方法及装置，以至少解决使用现有性别特征选择后识别率低的技术问题。

根据本发明的一实施例，提供了一种针对人脸图像的性别特征选择方法，包括：

步骤B：对裁剪对齐的人脸图像进行主成分分析转换，将人脸图像中图像像素信息转换为主成分特征集；

步骤C：将主成分特征集通过遗传算法及分类器获取特征子集。

进一步地，方法在步骤B之前还包括：

步骤A：对人脸图像进行预处理，获取裁剪对齐后的人脸图像。

进一步地，步骤A包括：

使用Matlab所提供的Viola Jones算法工具包vision.CascadeObjectDetector对人脸图像进行裁剪对齐处理；