[发明专利]一种基于三维数据和面部图像的性别识别方法

权利要求书

1.一种基于三维数据和面部图像的性别识别方法，其特征在于：通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取多个形体特征点，再结合人体的面部图像提取的多个面部特征点，完成性别判断。

2.根据权利要求1所述的基于三维数据和面部图像的性别识别方法，其特征在于：将所述二维轮廓数据进行归一化处理，再进行等间距选取多个样本点，利用第一神经网络对所有样本点进行分类识别，获取多个形体特征点，然后结合人体的面部图像提取的多个面部特征点，利用第二神经网络对多个所述形体特征点和面部特征点进行分类识别，完成性别判断。

3.根据权利要求2所述的基于三维数据和面部图像的性别识别方法，其特征在于：所述形体特征点包括对应人体正面的二维轮廓的颈部、肩部、手部和腰部特征点，对应人体侧面的二维轮廓的颈部、胸部、腰部和臀部特征点，所述面部特征点包括外侧轮廓特征点和内侧部位特征点，所述内侧部位特征点包括眼睛、眉毛、鼻子和嘴巴部位的特征点。

4.根据权利要求2所述的基于三维数据和面部图像的性别识别方法，其特征在于获取多个形体特征点的方法包括以下步骤：

步骤一、记人体正面和侧面的二维轮廓数据分别表示为(x,y)和(z,y)，利用如下方程式，将所述二维轮廓数据中y坐标值转化到区间[0,1]上，对应的x坐标值和z坐标值也做相应的变化，转化后的人体正面和侧面的二维轮廓数据,分别标记为(x_n,y_n)和(z_n,y_n)；

步骤二、分别计算转化后的人体正面和侧面的二维轮廓数据所在曲线的长度L1和L2,以距离Δd＝L/N_l在所述曲线上进行等间隔取点，共提取2N_l个样本点；

步骤三、将2N_l个样本点制作成4N_l个坐标值构成的一维向量，以所述一维向量为输入，利用第一神经网络进行分类识别，获取多个形体特征点组成的一维向量输出。

5.根据权利要求4所述的基于三维数据和面部图像的性别识别方法，其特征在于：将多个所述面部特征点组成一维向量与多个形体特征点组成的一维向量结合作为输入，利用第二神经网络进行分类识别，完成性别识别。

6.根据权利要求5所述的基于三维数据和面部图像的性别识别方法，其特征在于：所述面部特征点设置有68个，其中第1至17号点对应外侧轮廓特征点，第18至68号点对应内侧部位特征点，利用现有的Dlib库中的人脸关键点检测器shape_predictor_68_face_landmarks.dat对测体对象的面部图像进行标定获得，记面部特征点为(x′,y′)，利用如下方程式将所有面部特征点进行归一化处理，处理后的面部特征点记为(x″,y″)，并将处理后的面部特征点按照标号顺序组成一维向量，

其中，y_max,y_min分别表示68个面部特征点对应的y坐标值中的最大值和最小值。

7.根据权利要求5所述的基于三维数据和面部图像的性别识别方法，其特征在于：所述长度L1和L2设置为转化后的人体正面和侧面的二维轮廓数据中相邻两点的距离和，所述第一神经网络设置有十层，每层的隐藏层设置有12个神经元，输出层设置有20个神经元，所述第二神经网络设置有十层，每层的隐藏层设置有30个神经元，输出层设置有10个神经元。