特征融合和字典学习在人脸性别识别方面的应用研究

《特征融合和字典学习在人脸性别识别方面的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．＂．二ｒ，Ｃ／八’．／Ｖ．扣／—－灰’；＃／，Ｋ．＞‘一這＃．＇釋ｗ，Ａ‘．．＃Ｖ，，：．单剛ｍｇ＾；ｖ一．＂ｖ，，．．．；．ｆ‘．：．．讀．／皆＇，／：Ｉ／‘＇．彭，．＇．．．＂ｉ；？，．＇’，、－＾＾少言如￡赛一；．ｉ：４．．ｖ巧．严离教．ｉＶ苦＾，薄．．－皆，，．．．ｔ４辞术／；巧女特会Ａ．ｖ為：：Ｖ，；．＇‘ｌ扔Ｃ：Ｖ襄－１．＂‘／冷－、泣，．巧．４句＇－．７，．ｒ．受管穀？Ｖ敢每義：＇：．／．．：．，’苗－．或诉＇＊

2、．巧＞子／八囑品．片作’１．＞＼．：护．＇＿．．二＇矣．ｒ苗论文题目特辄＾和響险性那綱勺应遍．，；．．’＾、寺ｋ荀＇ｒ？＼＃ｖＷ＇号Ｗ側．学－．、＇ｃ．－－．一４姓名牽梁争：；＞宁ｔ导师－．‘苗．／．」义／看－－学专业与信息難．＇取０／：、：ｖ－理与多纖纖研方向ｃ／‘｛作．？躬±苦申请位类别学硕：／＇￥＇０、；、ｒ，论文交日期＾細削嗦Ｖｒ，：．神ｊ．龙．＇巧。＇參豁、；：－．．‘茜‘：；Ｍ＾．ｇ＇

3、＇餐．．義鳥．＇’．磅；義翁‘若鱗、資嚷，＞＇弯．ｖ．．，ｔ：．＇ｖ；，？：八／１！１马：ｆ＾襄；＇ResearchonApplicationofFeatureFusionandDictionaryLearninginFaceGenderRecognitionThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEng

4、ineeringByChenLiangSupervisor:Prof.SunNingApril2016南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实，愿意承担切

5、相关的法律责任。研究生签名；啼邊日期：南京邮电大学学位论文使用授权声明本人授权南京邮电大学可Ｗ保留并向国家有关部口或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可Ｗ将学位论文的全部或部分内容编入有关数据库进斤检索；可Ｗ采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质＾论文的内容相致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。０研究生签名导师签名；奋＼３日期：＊摘要基于人脸图像的性别识别在

6、人机交互、智能监控、视频检索等领域中有着广阔的应用前景，近年来已经发展成为计算机视觉领域的一个热点课题。与其它识别问题一样，人脸性别识别系统的基本框架需要包括特征描述和分类器设计两方面。一方面，人脸的描述特征可以分为全局特征和局部特征两大类，两种特征的作用不同具有互补性，而传统的人脸性别识别方法在特征提取方面主要是针对单一特征，必定会影响最终的识别率；另一方面，传统的性别识别分类器主要有支持向量机(SupportVectorMachine,SVM)、Adaboost和神经网络等，由于SVM是针对二分类问题提出

7、的，因此SVM在人脸性别识别问题上被应用得最为广泛，但是这些传统分类方法对有部分遮挡人脸的识别效果并不理想。为了解决上述两个问题，本文提出将全局特征和局部特征进行融合得到人脸的描述特征，该人脸描述特征较单一特征包含了人脸更多的有用信息。此外，由于稀疏表示已被成功应用于人脸识别领域，其对于存在光照，表情及遮挡等情况下的人脸识别具有很强的鲁棒性，因此本文将稀疏表示应用于人脸性别识别问题中，并在此基础上引入了类字典和字典学习进一步提高了识别率。本文的研究工作如下：(1)深入调研了目前常用的人脸性别识别方法。综述了目

8、前在人脸性别识别领域中常用的人脸特征提取方法和常用的人脸性别分类方法。(2)提出了基于单特征和类字典的稀疏人脸性别识别方法。首先，鉴于稀疏表示在人脸识别领域中的成功应用，本文将稀疏表示应用于人脸性别识别问题中，提出了基于宏字典的稀疏人脸性别识别方法。然后，在基于宏字典的稀疏人脸性别识别方法基础上，提出了基于类字典的稀疏人脸性别识别改进方法。最后，分别基于PCA、LBP和2D-Gabor特征，在CAS