基于人臉圖像的性別識別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明揭示了一種基于人臉圖像的性別識別方法及系統(tǒng)，所述方法包括如下步驟：步驟S1、對人臉圖像進行預(yù)處理；首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理；步驟S2、采用復(fù)合LBP進行特征提??；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征；步驟S3、通過SVM模型進行性別識別。本發(fā)明提出的性別識別方法及系統(tǒng)，可以根據(jù)人臉圖形識別出人臉的性別，提高識別的準(zhǔn)確度。
【專利說明】基于人臉圖像的性別識別方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人臉識別【技術(shù)領(lǐng)域】，涉及一種人臉識別系統(tǒng)，尤其涉及一種基于人臉圖像的性別識別方法；同時，本發(fā)明還涉及一種基于人臉圖像的性別識別系統(tǒng)。
【背景技術(shù)】
[0002]隨著生物識別技術(shù)在人機交互、身份驗證、人口統(tǒng)計等方面的廣泛應(yīng)用，性別識別作為其重要分支引起國內(nèi)外越來越多的學(xué)者對其進行研究。人臉擁有人類生物特征的重要信息，可以表達人與人之間的社會互動，基于人臉圖像的性別識別是人臉圖像分類的典型應(yīng)用。隨著智能手機的廣泛使用和手機攝像頭質(zhì)量的提高，手機作為最便捷的圖像采集設(shè)備，在人臉圖像的性別識別將會起到至關(guān)重要的角色。
[0003]早期的人臉圖像的性別識別的研究，主要解決單一受控條件下的人臉圖像的性別識別。這些圖像一般是圖像的正面、干凈的背景、沒有遮擋和一致的光照。然而在通過手機拍攝的圖像中，人臉圖像總是受到環(huán)境的影響，如姿態(tài)變化、光照變化，尤其是一些孩子的圖像。對于性別識別問題，在分類模型已知的支持向量機模型(Support Vector Machine,SVM)的情況下，最關(guān)鍵的就是進行圖像的處理。
[0004]然而如今還沒有比較好的處理方法，使得現(xiàn)有性別識別準(zhǔn)確度不高。有鑒于此，如今迫切需要設(shè)計一種新的性別識別方式，以克服現(xiàn)有識別方式的上述缺陷。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是:提供一種基于人臉圖像的性別識別方法，可根據(jù)人臉圖形識別出人臉的性別，提高識別的準(zhǔn)確度。
[0006]此外，本發(fā)明還提供一種基于人臉圖像的性別識別系統(tǒng)，可根據(jù)人臉圖形識別出人臉的性別，提高識別的準(zhǔn)確度。
[0007]為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案:
[0008]一種基于人臉圖像的性別識別方法，所述方法包括如下步驟:
[0009]步驟S1、對人臉圖像進行預(yù)處理；首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理；
[0010]步驟S2、采用復(fù)合LBP進行特征提?。徊捎每s放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征；
[0011]步驟S3、通過SVM模型進行性別識別；
[0012]其中，步驟SI具體包括:
[0013]步驟SI 1、圖像灰度化處理步驟；
[0014]現(xiàn)實生活中的圖像由紅色R、綠色G、藍色B三種原色按不同比例組成；圖像灰度化的方式是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為:
[0015]Gray=(9798R+19235G+3735B)/32768 (1)
[0016]其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量；
[0017]步驟S12、幾何歸一化步驟；
[0018]通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化；
[0019]把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”;
[0020]步驟S13、剪裁步驟；
[0021]為了去除圖像背景部分的干擾，對人臉圖像進行剪裁；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:
[0022]wf = hf = de/10X24 (2)
[0023]I = (x1+xr) /2-wf/2 (3)
[0024]r = 1+wf (4)
[0025]t = ye-hf/3.5 (5)
[0026]b = t+hj (6)
[0027]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，尤是兩眼的距離，l、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)；
[0028]步驟S14、直方圖均衡化步驟；
[0029]為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布；
[0030]其中，步驟S3具體包括:
[0031]在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:
[0032]f (X) = a □ Xi+b (7)
[0033]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) ≥1時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。
[0034]一種基于人臉圖像的性別識別方法，所述方法包括如下步驟:
[0035]步驟S1、對人臉圖像進行預(yù)處理；
[0036]步驟S2、采用復(fù)合LBP進行特征提??；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征；
[0037]步驟S3、通過SVM模型進行性別識別。
[0038]作為本發(fā)明的一種優(yōu)選方案，所述步驟SI包括:首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。
[0039]作為本發(fā)明的一種優(yōu)選方案，所述步驟SI具體包括:
[0040]步驟SI 1、圖像灰度化處理步驟；
[0041]現(xiàn)實生活中的圖像由紅色R、綠色G、藍色B三種原色按不同比例組成；圖像灰度化的方式是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為:
[0042]Gray=(9798R+19235G+3735B)/32768 (I)
[0043]其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量；
[0044]步驟S12、幾何歸一化步驟；
[0045]通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化；
[0046]把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”;
[0047]步驟S13、剪裁步驟；
[0048]為了去除圖像背景部分的干擾，對人臉圖像進行剪裁；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:
[0049]wf = hf = de/10X24 (2)
[0050]I = (xx+xr) / 2-wf/ 2 (3)
[0051]r = I+wf (4)
[0052]t = ye-hf/3.5 (5)
[0053]b = t+hj (6)
[0054]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，尤是兩眼的距離，l、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)；
[0055]步驟S14、直方圖均衡化步驟；
[0056]為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化；直方圖均衡化處理 的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
[0057]作為本發(fā)明的一種優(yōu)選方案，所述步驟S3具體包括:
[0058]在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:[0059]f (X) = a □ Xj+b (7)
[0060]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) ≥ I時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。
[0061]一種基于人臉圖像的性別識別系統(tǒng)，所述系統(tǒng)包括:
[0062]圖像預(yù)處理模塊，用以對人臉圖像進行預(yù)處理；
[0063]特征提取模塊，用以采用復(fù)合LBP進行特征提取；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征；
[0064]性別識別模塊，用以通過SVM模型進行性別識別。
[0065]作為本發(fā)明的一種優(yōu)選方案，所述圖像預(yù)處理模塊首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。
[0066]作為本發(fā)明的一種優(yōu)選方案，所述圖像預(yù)處理模塊具體包括:圖像灰度化處理單元、幾何歸一化處理單元、剪裁單元、直方圖均衡化單元；
[0067]-所述圖像灰度化處理單元用以通過遍歷圖像的方式對圖像進行灰度化處理；首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為:
[0068]Gray=(9798R+19235G+3735B)/32768 (I)
[0069]其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量；
[0070]-幾何歸一化處理單元，通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化；
[0071]把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”;
[0072]-剪裁單元，用以對人臉圖像進行剪裁，以去除圖像背景部分的干擾；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:
[0073]wf = hf = de/10X24 (2)
[0074]I = (xx+xr) /2~wf/2 (3)
[0075]r = I+wf (4)
[0076]t = ye-hf/3.5 (5)
[0077]b = t+hj (6)
[0078]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，尤是兩眼的距離，l、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1、Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)；
[0079]-直方圖均衡化單元，用以對人臉樣本圖像進行直方圖均衡化，以減少光照對人臉圖像灰度分布的影響；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
[0080]作為本發(fā)明的一種優(yōu)選方案，所述性別識別模塊在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，-1}，則存在:
[0081]f (X) = a □ Xj+b (7)
[0082]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) ≥ I時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。
[0083]本發(fā)明的有益效果在于:本發(fā)明提出的基于人臉圖像的性別識別方法及系統(tǒng)，可根據(jù)人臉圖像識別出人的性別。本設(shè)計在對圖像進行預(yù)處理之后，采用一種新的人臉檢測和復(fù)合LBP圖像特征提取方式進行圖像面部特征的提取，最終通過SVM模型進行性別識別，可以提高識別效率及精確度。
【專利附圖】

【附圖說明】
[0084]圖1為本發(fā)明基于人臉圖像的性別識別方法的流程圖。
[0085]圖2為本發(fā)明基于人臉圖像的性別識別系統(tǒng)的組成示意圖。
[0086]圖3為實施例二中本發(fā)明識別方法的流程示意圖。
[0087]圖4為實施例二中單純的LBP記錄像素點與其周圍像素點的對比信息示意圖?！揪唧w實施方式】
[0088]下面結(jié)合附圖詳細說明本發(fā)明的優(yōu)選實施例。
[0089]實施例一
[0090]請參閱圖1，本發(fā)明揭示了一種基于人臉圖像的性別識別方法，所述方法包括如下步驟:
[0091]【步驟SI】人臉檢測步驟。
[0092]在之前的研究中，人臉檢測算法大部分都是在正面人臉圖像的基礎(chǔ)上提出的，為了能夠更好的滿足現(xiàn)實生活的需求，本發(fā)明采用金字塔結(jié)構(gòu)的Adaboost人臉檢測器。金字塔結(jié)構(gòu)的人臉檢測器實現(xiàn)了運用由粗到精的策略實現(xiàn)多姿態(tài)人臉檢測。
[0093]在這個金字塔結(jié)構(gòu)中，最頂層的檢測器可以實現(xiàn)全姿態(tài)的人臉圖像的檢測，其余幾層只能夠?qū)δ骋蛔藨B(tài)的人臉進行檢測，而且，越是底層，檢測器處理姿態(tài)的范圍就越小，結(jié)構(gòu)越復(fù)雜；越是頂層，檢測器處理姿態(tài)的范圍就越大，數(shù)目也就越少。從而實現(xiàn)在每層都能夠去掉大了的背景，從而提高檢測效率。
[0094]本發(fā)明金字塔結(jié)構(gòu)設(shè)計為三層:頂層設(shè)置一個檢測器；中間層設(shè)置三個檢測器，分別用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范圍內(nèi)的人臉檢測；底層設(shè)置五個檢測器，分別用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范圍內(nèi)的人臉檢測。
[0095]【步驟SI】對人臉圖像進行預(yù)處理；首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。具體包括:
[0096]步驟SI 1、圖像灰度化處理步驟；
[0097]現(xiàn)實生活中的圖像由紅色R、綠色G、藍色B三種原色按不同比例組成；圖像灰度化的方式是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為:
[0098]Gray=(9798R+19235G+3735B)/32768 (I)
[0099]其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量。
[0100]步驟S12、幾何歸一化步驟；
[0101]通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化；
[0102]把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”。
[0103]步驟S13、剪裁步驟；
[0104]為了去除圖像背景部分的干擾，對人臉圖像進行剪裁；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:
[0105]wf = hf = de/10X24 (2)
[0106]I = (xx+xr) / 2~wf/2 (3)
[0107]r = I+wf (4)
[0108]t = ye-hf/3.5 (5)
[0109]b = t+hj (6)
[0110]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，尤是兩眼的距離，l、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)。
[0111]步驟S14、直方圖均衡化步驟；
[0112]為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
[0113]【步驟S2】采用復(fù)合LBP進行特征提?。徊捎每s放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征；
[0114]【步驟S3】通過 SVM模型進行性別識別；
[0115]其中，步驟S3具體包括:
[0116]在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:[0117]f (X) = a □ Xj+b (7)
[0118]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f(x) ≥1時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。
[0119]本發(fā)明還揭示一種基于人臉圖像的性別識別系統(tǒng)，所述系統(tǒng)包括:人臉檢測模塊
1、圖像預(yù)處理模塊2、特征提取模塊3、性別識別模塊4。
[0120]人臉檢測模塊I采用金字塔結(jié)構(gòu)的Adaboost人臉檢測器。金字塔結(jié)構(gòu)的人臉檢測器實現(xiàn)了運用由粗到精的策略實現(xiàn)多姿態(tài)人臉檢測。在這個金字塔結(jié)構(gòu)中，最頂層的檢測器可以實現(xiàn)全姿態(tài)的人臉圖像的檢測，其余幾層只能夠?qū)δ骋蛔藨B(tài)的人臉進行檢測，而且，越是底層，檢測器處理姿態(tài)的范圍就越小，結(jié)構(gòu)越復(fù)雜；越是頂層，檢測器處理姿態(tài)的范圍就越大，數(shù)目也就越少。從而實現(xiàn)在每層都能夠去掉大了的背景，從而提高檢測效率。
[0121]本發(fā)明金字塔結(jié)構(gòu)設(shè)計為三層:頂層設(shè)置一個檢測器；中間層設(shè)置三個檢測器，分別用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范圍內(nèi)的人臉檢測；底層設(shè)置五個檢測器，分別用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范圍內(nèi)的人臉檢測。
[0122]圖像預(yù)處理模塊2用以對人臉圖像進行預(yù)處理；首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。
[0123]所述圖像預(yù)處理模塊2具體包括:圖像灰度化處理單元21、幾何歸一化處理單元22、剪裁單元23、直方圖均衡化單元24。
[0124]所述圖像灰度化處理單元21用以通過遍歷圖像的方式對圖像進行灰度化處理；首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為:
[0125]Gray=(9798R+19235G+3735B)/32768 (I)
[0126]其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量。
[0127]幾何歸一化處理單元22通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化。
[0128]把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”。
[0129]剪裁單元23用以對人臉圖像進行剪裁，以去除圖像背景部分的干擾；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:
[0130]wf = hf = de/10X24 (2)
[0131]I = (xx+xr) / 2~wf/2 (3)
[0132]r = I+wf (4)
[0133]t = ye-hf/3.5 (5)
[0134]b = t+hj (6)[0135]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，de是兩眼的距離，1、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)。
[0136]直方圖均衡化單元24用以對人臉樣本圖像進行直方圖均衡化，以減少光照對人臉圖像灰度分布的影響；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
[0137]特征提取模塊3用以采用復(fù)合LBP進行特征提取；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征。
[0138]性別識別模塊4用以通過SVM模型進行性別識別。本實施例中，所述性別識別模塊在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:
[0139]f (X) = a □ Xj+b (7)
[0140]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) > I時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。
[0141]實施例二
[0142]本發(fā)明性別識別系統(tǒng)中，人臉圖像的性別識別具體可以分為人臉檢測模塊、圖像預(yù)處理模塊、面部特征提取模塊和性別分類模塊四部分組成，如圖3所示。在本發(fā)明中，首先對人臉圖像進行檢測和校準(zhǔn)，然后使用中值濾波去除噪聲，在采用復(fù)合LBP進行特征提取，最后通過SVM模型進行性別識別。
[0143]基于人臉圖像的性別識別的核心是特征提取和分類方法的選擇。在之前的研究中，基于人臉面部特征的性別識別大都基于人臉識別的特征提取和分類方法。
[0144]因?qū)嶋H環(huán)境對人臉性別識別分類的正確影響很大，因此對獲得的圖像必須進行預(yù)處理，即任意給定一幅圖像，首先必須檢測圖像中是否存在人臉，若存在，則從圖像中的提取出人臉面部區(qū)域，經(jīng)圖像灰度化、幾何歸一化、剪裁和直方圖均衡化后，提取臉部特征，最后用性別識別算法對人臉圖像進行分類得到分類結(jié)果。
[0145]2.1人臉檢測模塊
[0146]在之前的研究中，人臉檢測算法大部分都是在正面人臉圖像的基礎(chǔ)上提出的，為了能夠更好的滿足現(xiàn)實生活的需求，本發(fā)明采用金字塔結(jié)構(gòu)的Adaboost人臉檢測器。金字塔結(jié)構(gòu)的人臉檢測器實現(xiàn)了運用由粗到精的策略實現(xiàn)多姿態(tài)人臉檢測。
[0147]在這個金字塔結(jié)構(gòu)中，最頂層的檢測器可以實現(xiàn)全姿態(tài)的人臉圖像的檢測，其余幾層只能夠?qū)δ骋蛔藨B(tài)的人臉進行檢測，而且，越是底層，檢測器處理姿態(tài)的范圍就越小，結(jié)構(gòu)越復(fù)雜；越是頂層，檢測器處理姿態(tài)的范圍就越大，數(shù)目也就越少。從而實現(xiàn)在每層都能夠去掉大了的背景，從而提高檢測效率。
[0148]本發(fā)明金字塔結(jié)構(gòu)設(shè)計為三層:頂層設(shè)置一個檢測器；中間層設(shè)置三個檢測器，分別用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范圍內(nèi)的人臉檢測；底層設(shè)置五個檢測器，分別用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范圍內(nèi)的人臉檢測。
[0149]2.2圖像預(yù)處理模塊
[0150]實際生活中，由于受到外界環(huán)境的干擾，采集到的圖像經(jīng)常會帶有很多噪聲和干擾信號，尤其是面部圖像，對于人臉圖像的性別識別會產(chǎn)生較大的影響。因此在對人臉圖像進行特征提取以前，進行數(shù)字圖像預(yù)處理是非常必要的。由于人臉圖像細節(jié)的高頻率與噪聲混合。當(dāng)使用低通濾波，圖像中的一些細節(jié)可能會被破壞。由于中值濾波法對消除椒鹽噪聲非常有效，有利于保護邊緣信息。從而我們采用中值濾波去除噪聲，從而可以成功減少噪聲變化不大的臉部紋理信息。
[0151]對于一幅顯示的人臉圖像，首先使之轉(zhuǎn)換成灰度圖像。然后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像。最后進行直方圖均衡化對面部區(qū)域去噪處理。
[0152]圖像預(yù)處理模塊包括圖像灰度化單元、幾何歸一化處理單元、剪裁單元、直方圖均衡化單元。
[0153]2.2.1圖像灰度化單元
[0154]現(xiàn)實生活中的圖像由R (紅色)、G (綠色)、B (藍色)三種原色按不同比例組成。圖像灰度化的基本思想是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值。灰度值轉(zhuǎn)換公式為:
[0155]Gray=(9798R+19235G+3735B)/32768 (I)
[0156]其中Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量。
[0157]2.2.2幾何歸一化處理單元
[0158]幾何歸一化是通過尺度校正、平移、旋轉(zhuǎn)等方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化。
[0159]人臉是非剛性的，而且同一個體的樣本也會因為表情的不同而導(dǎo)致圖像產(chǎn)生較大差異，但是經(jīng)驗發(fā)現(xiàn):兩眼之間的距離相對其他改變而言變化最小，從而可以把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)。
[0160]依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”。而且，也可以以眼睛的位置為基準(zhǔn)，將人臉中的其它部位如嘴巴、鼻子等的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”。
[0161]2.2.3剪裁單元
[0162]為了去除圖像背景部分的干擾，需要對人臉圖像進行剪裁。本發(fā)明以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像。臉部區(qū)域具體由下式確定:
[0163]wf = hf = de/10X24 (2)
[0164]I = (xx+xr) / 2~wf/2 (3)
[0165]r = I+wf (4)
[0166]t = ye-hf/3.5 (5)
[0167]b = t+hj (6)[0168]其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，de是兩眼的距離，1、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)。
[0169]2.2.4直方圖均衡化單元
[0170]為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化。直方圖均衡化處理的“中心思想”是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
[0171]2.3面部特征提取模塊
[0172]2.3.1 LBP 算法
[0173]單純的LBP記錄像素點與其周圍像素點的對比信息，如圖4所示。最左邊(Example)為原圖，中間方格的像素值為閾值，大于等于中心點像素設(shè)為1，小于則設(shè)為O。最后將中心像素點周圍的11110001 二進制數(shù)化為十進制數(shù)，即為LBP值。其中，Pattern=I1110001 ;LBP=128+64+32+16+l=241。
[0174]但是基本LBP算法描述特征能力有限，而且不具備旋轉(zhuǎn)不變性。隨后，這個算法有兩種擴展。首先，運用大小不同的鄰域擴展這個算法來獲得不同尺度的顯著特征。符號(P，R)描述了在一個以R為半徑的圓上，P等間隔采樣點的一個鄰域。其次，采用2P模型的一個小子集，它由LBP (P，R)生成，以描述圖像的紋理。這些模型，稱為統(tǒng)一模型，當(dāng)被視為一個循環(huán)二進制串時，包含至多兩個從O到I或反之亦然的按位轉(zhuǎn)換。觀察發(fā)現(xiàn)大部分的紋理信息被包含在統(tǒng)一模型。將一個屈服于LBP算法的單一標(biāo)記與有超過2個轉(zhuǎn)換的模型記為LBP(P，R，u2)，它能避免冗余模型沒有丟失太多的信息。在標(biāo)記有一個LBP的圖像之后，這個標(biāo)記圖像的直方圖可以作為紋理描述符。
[0175]2.3.2 復(fù)合 LBP
[0176]本發(fā)明提出了一種新的特征提取方法，即把兩個歸一化LBP，合并成一個新的LBP。首先，將圖像縮放一些倍數(shù)，例如，如果希望將圖像縮放至原來的四倍，然后計算出的4個像素的平均強度，其結(jié)果是，我們將得到一個新的矩陣，其中有1/4的最初矩陣。其次把人臉圖像按照不同的LBP直方圖區(qū)域大小分成幾個區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征。這樣能夠很好的融合人臉圖像的局部紋理和全局信息，以減少信息的丟失。
[0177]2.4性別識別模塊(采用SVM分類器)
[0178]人臉性別識別問題需要解決的另一個關(guān)鍵問題就是性別分類器的選擇。本發(fā)明用支持向量機(Support Vector Machine,簡稱SVM)進行性別識別。SVM是一種基于結(jié)構(gòu)風(fēng)險最小化原則(Structure Risk Minimization,簡稱SRM)的通用學(xué)習(xí)算法,基本思想是在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力。
[0179]在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:
[0180]f (X) = a □ Xj+b (7)
[0181]式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)。當(dāng)f(x) ≥ I時，Xi表示為男性；同理當(dāng)f (X)≤-1時，Xi表示為女性。[0182]綜上所述，本發(fā)明提出的基于人臉圖像的性別識別方法及系統(tǒng)，可根據(jù)人臉圖像識別出人的性別。本設(shè)計在對圖像進行預(yù)處理之后，采用一種新的人臉檢測和復(fù)合LBP圖像特征提取方式進行圖像面部特征的提取，最終通過SVM模型進行性別識別，可以提高識別效率及精確度。
[0183]這里本發(fā)明的描述和應(yīng)用是說明性的，并非想將本發(fā)明的范圍限制在上述實施例中。這里所披露的實施例的變形和改變是可能的，對于那些本領(lǐng)域的普通技術(shù)人員來說實施例的替換和等效的各種部件是公知的。本領(lǐng)域技術(shù)人員應(yīng)該清楚的是，在不脫離本發(fā)明的精神或本質(zhì)特征的情況下，本發(fā)明可以以其它形式、結(jié)構(gòu)、布置、比例，以及用其它組件、材料和部件來實現(xiàn)。在不脫離本發(fā)明范圍和精神的情況下，可以對這里所披露的實施例進行其它變形和改變。
【權(quán)利要求】
1.一種基于人臉圖像的性別識別方法，其特征在于，所述方法包括如下步驟: 步驟S1、對人臉圖像進行預(yù)處理；首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理； 步驟S2、采用復(fù)合LBP進行特征提取；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征； 步驟S3、通過SVM模型進行性別識別； 其中，步驟SI具體包括: 步驟SI 1、圖像灰度化處理步驟； 現(xiàn)實生活中的圖像由紅色R、綠色G、藍色B三種原色按不同比例組成；圖像灰度化的方式是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量 ； 步驟S12、幾何歸一化步驟； 通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化； 把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”;或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”； 步驟S13、剪裁步驟； 為了去除圖像背景部分的干擾，對人臉圖像進行剪裁；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:wf = hf = de/10X24 (2)
I = (x!+xr) / 2-wf/2 (3)
r = I+wf (4)
t = ye-hf/3.5 (5)
b = t+hj (6) 其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，de是兩眼的距離，1、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)； 步驟S14、直方圖均衡化步驟； 為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布；其中，步驟S3具體包括: 在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:f (X) = a □ Xj+b (7) 式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) > I時，Xi表示為男性；同理當(dāng)f(x)≤-1時，Xi表示為女性。
2.一種基于人臉圖像的性別識別方法，其特征在于，所述方法包括如下步驟: 步驟S1、對人臉圖像進行預(yù)處理； 步驟S2、采用復(fù)合LBP進行特征提取；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征； 步驟S3、通過SVM模型進行性別識別。
3.根據(jù)權(quán)利要求2所述的基于人臉圖像的性別識別方法，其特征在于: 所述步驟SI包括:首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來， 獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。
4.根據(jù)權(quán)利要求3所述的基于人臉圖像的性別識別方法，其特征在于: 所述步驟SI具體包括: 步驟SI 1、圖像灰度化處理步驟； 現(xiàn)實生活中的圖像由紅色R、綠色G、藍色B三種原色按不同比例組成；圖像灰度化的方式是遍歷圖像，首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量； 步驟S12、幾何歸一化步驟； 通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化； 把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”;或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”； 步驟S13、剪裁步驟； 為了去除圖像背景部分的干擾，對人臉圖像進行剪裁；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:wf = hf = de/10X24 (2)
I = (x!+xr) / 2-wf/2 (3)
r = I+wf (4)t = ye-hf/3.5 (5) b = t+hj (6) 其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，de是兩眼的距離，1、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)； 步驟S14、直方圖均衡化步驟； 為減少光照對人臉圖像灰度分布的影響，對人臉樣本圖像進行直方圖均衡化；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
5.根據(jù)權(quán)利要求2所述的基于人臉圖像的性別識別方法，其特征在于: 所述步驟S3具體包括: 在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，_1}，則存在:f (X) = a □ Xi+b (7) 式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) > 1時，Xi表示為男性；同理當(dāng)f(x)≤-1時，Xi表示為女性。
6.一種基于人臉圖像的性別識別系統(tǒng)，其特征在于，所述系統(tǒng)包括: 圖像預(yù)處理模塊，用以對人臉圖像進行預(yù)處理； 特征提取模塊，用以采用復(fù)合LBP進行特征提??；采用縮放LBP對圖像進行縮放設(shè)定倍數(shù)；而后采用多尺度LBP，即把人臉圖像按照不同的LBP直方圖區(qū)域大小分成若干區(qū)域，對該圖像以及每一塊劃分區(qū)域，均進行LBP特征的提取，然后把所有的LBP直方圖特征組合在一起，作為該圖像的多尺度LBP特征； 性別識別模塊，用以通過SVM模型進行性別識別。
7.根據(jù)權(quán)利要求6所述的基于人臉圖像的性別識別系統(tǒng)，其特征在于: 所述圖像預(yù)處理模塊首先將其轉(zhuǎn)換成灰度圖像；而后根據(jù)眼睛的位置將臉部區(qū)域圖像從整幅圖像中剪裁出來，獲得臉部圖像；最后進行直方圖均衡化對面部區(qū)域去噪處理。
8.根據(jù)權(quán)利要求7所述的基于人臉圖像的性別識別系統(tǒng)，其特征在于: 所述圖像預(yù)處理模塊具體包括:圖像灰度化處理單元、幾何歸一化處理單元、剪裁單元、直方圖均衡化單元； -所述圖像灰度化處理單元用以通過遍歷圖像的方式對圖像進行灰度化處理；首先得到每個像素點的RGB值，在通過運算分別提取出紅、綠、藍的值，最終通過灰度轉(zhuǎn)換公式確定每個像素點的灰度值；灰度值轉(zhuǎn)換公式為: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表轉(zhuǎn)換后的灰度值，R、G、B分別代表圖像中每一個像素點的紅色、綠色和藍色分量； -幾何歸一化處理單元，通過尺度校正、平移、旋轉(zhuǎn)方法，去除圖像中的結(jié)構(gòu)變形，使人臉圖像標(biāo)準(zhǔn)化； 把雙眼的位置和距離作為人臉圖像幾何歸一化的依據(jù)；依據(jù)兩眼的位置，首先通過二維仿射變換，旋轉(zhuǎn)人臉圖像使兩眼之間的連線保持水平，同時縮小或放大圖像，使得同一人臉庫中的人臉圖像以眼睛為準(zhǔn)進行“對齊”；或者以眼睛的位置為基準(zhǔn)，將人臉中的其它部位的位置也縮放到合理位置，從而實現(xiàn)所有人臉的“對齊”; -剪裁單元，用以對人臉圖像進行剪裁，以去除圖像背景部分的干擾；以眼睛之間的距離為依據(jù)，兩眼的中心點作為參照中心，分別沿參照中心的上、下、左、右的方向延伸，切割出一定大小的臉部區(qū)域圖像；臉部區(qū)域具體由下式確定:wf = hf = de/10X24 (2)
l= (x1+xr) / 2-wf/2 (3)
r = I+wf (4)
t = ye-hf/3.5 (5)
b = t+hj (6) 其中，wf是臉部區(qū)域的寬度，hf是臉部區(qū)域的高度，de是兩眼的距離，1、r、t和b確定了臉部區(qū)域在人臉圖像中的上、下、左、右的邊界位置，X1^Xr和Ie是兩只眼睛在人臉圖像中的位置坐標(biāo)； -直方圖均衡化單元，用以對人臉樣本圖像進行直方圖均衡化，以減少光照對人臉圖像灰度分布的影響；直方圖均衡化處理的目的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。
9.根據(jù)權(quán)利要求6所述的基于人臉圖像的性別識別系統(tǒng)，其特征在于: 所述性別識別模塊在樣本輸入控件或特征空間構(gòu)造出一個最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達到最大，從而獲得最好的泛化能力；在人臉圖像的性別識別的問題中，只有男和女2個類別，類別屬性為{1，-1}，則存在:f (X) = a □ Xi+b (7) 式中:Xi為訓(xùn)練樣本的人臉圖像的性別特征數(shù)據(jù)；當(dāng)f (X) ≥1時，Xi表示為男性；同理當(dāng)f(x)≤-1時，Xi表示為女性。
【文檔編號】G06K9/00GK103914683SQ201310753988
【公開日】2014年7月9日 申請日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】李保印 申請人:聞泰通訊股份有限公司