人脸图像性别检测方法及系统技术方案

本发明专利技术提供了一种人脸图像性别检测方法及系统，其中，人脸图像性别检测系统包括：图像获取模块、控制处理模块以及存储模块。利用Gabor算法和Memetic算法提取原始人脸图像的Gabor小波特征矢量，以及一人脸图像库中所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集，在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，并将所述最接近的特征矢量所对应的人脸图像的性别作为所述原始人脸图像的性别。无需使用PCA等手段进行降维，可在较短处理时间内获得更具区分能力的识别数据，提升了识别性能，从而提高了识别准确度。

【技术实现步骤摘要】

本专利技术涉及计算机图像处理和模式识别领域，尤其是一种人脸图像性别检测方法及系统。
技术介绍
随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别、视网膜识别、虹膜识别、步态识别、静脉识别、人脸识别等。与其他识别方法相比，人脸识别由于本身具有直接、友好、方便的特点，使用者对其无任何心理障碍，因此易于被用户所接受，从而得到广泛的研究与应用。除此之外，还能够对人脸识别的结果作进一步的分析，得到有关人的性别、表情、年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。而人脸是重要的生物特征之一，人脸图像上蕴含了大量的信息，例如性别、年龄人种、身份等。其中，人脸的性别识别功能就是试图赋予计算机根据输入的人脸图像，判断使用者性别的能力。人机交互技术(HCI)的发展使得计算机视觉、人工智能，在监控、GUI人机界面设计等方面发挥越来越重要的作用。随着技术的进步，基于人脸图像模式识别的问题逐渐成为近年来研究的热点。其中包括人脸检测、人脸身份识别、人脸属性(性别、年龄、表情、种族等)识别等各类识别问题。基于人脸的性别分类就是使得计算机能够根据输入的人脸图像判断其性别的过程。人脸的性别识别似乎是人们“与生俱来”的能力，但让计算机进行识别并不容易，即使有大量来自计算机视觉、模式识别、人工智能、心理学等各个领域的研究人员的努力。人脸技术属于机器学习范畴，技术和系统都需要经历数据训练过程，即把大量人脸图像和相应的标注一起作为输入给到算法，算法会根据这些训练数据自动学习出相应的模型从而用于实际应用。对于性别识别问题，通常最普遍的方法是通过Gabor小波描绘人脸特征，然后用PCA进行降维处理，最后采用分类模型已知的支持向量机模型SVM进行性别分类，然而如今的方法识别性能并不是很好，使得现有性别识别准确度不高。
技术实现思路
本专利技术的目的在于提供一种人脸图像性别检测方法及系统，以解决现有性别识别准确度不高的问题。为了达到上述目的，本专利技术提供了一种人脸图像性别检测方法及系统，其中，人脸图像性别检测方法包括以下步骤：获取一原始人脸图像；利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量；选择一人脸图像库，提取所述人脸图像库中的所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集；在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，将所述最接近的特征矢量所对应的人脸图像性别作为所述原始人脸图像的性别。优选的，在上述的人脸图像性别检测方法中，利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量所使用的Gabor小波滤波器定义如下：其中，x′＝xcosθ+ysinθ，y′＝-xsinθ+ycosθ，x，y为矩阵中各像素坐标，λ为波长，θ为旋转角度，为相位，γ为输出波长的横纵比，b为带宽。优选的，在上述的人脸图像性别检测方法中，利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量之前，先对所述原始人脸图像进行灰度化处理得到人脸灰度图像，并对所述人脸灰度图像进行归一化处理得到归一化人脸图像，利用Gabor算法和Memetic算法提取所述归一化人脸图像的Gabor小波特征矢量。优选的，在上述的人脸图像性别检测方法中，对所述人脸灰度图像进行归一化处理，得到归一化人脸图像的步骤包括：利用基于Harr特征的AdaBoost算法对所述人脸灰度图像进行检测，当检测到人脸信息时进行下一步；利用AdaBoost算法获得左右眼坐标；旋转所述人脸灰度图像，使得左右眼呈水平状态，得到一第二人脸灰度图像；对旋转后的人脸灰度图像进行裁剪使其宽和高呈预定比例；对裁剪后的人脸灰度图像进行缩放得到归一化人脸图像，所述归一化人脸图像的像素为一预定像素。优选的，在上述的人脸图像性别检测方法中，所述预定比例的范围是0.8∶1～1∶1.2。优选的，在上述的人脸图像性别检测方法中，所述预定像素的范围是80×80～500×500。优选的，在上述的人脸图像性别检测方法中，利用Gabor算法和Memetic算法提取所述归一化人脸图像的Gabor小波特征矢量的步骤包括：利用一组S个Gabor小波滤波器对所述归一化人脸图像进行处理，每个所述Gabor小波滤波器获得一个特征值；将S个所述特征值形成原始人脸图像的Gabor小波特征矢量，所述原始人脸图像的Gabor小波特征矢量的维数为S，S小于等于100。优选的，在上述的人脸图像性别检测方法中，利用一组S个Gabor小波滤波器对所述归一化人脸图像进行处理，每个所述Gabor小波滤波器获得一个特征值的步骤包括：将每个Gabor小波滤波器与所述归一化人脸图解进行点积，每个Gabor小波滤波器的点积运算获得一个特征值。优选的，在上述的人脸图像性别检测方法中，在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，并将所述最接近的特征矢量所对应的人脸图像性别作为所述原始人脸图像的性别的步骤包括：计算所述特征矢量集中每一个特征矢量与所述原始人脸图像的Gabor小波特征矢量之间的Mahalanobis距离；通过K-邻近算法找出所述特征矢量集中与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，将所述最接近的特征矢量所对应的人脸图像性别作为所述原始人脸图像的性别。本专利技术还提供了一种人脸图像性别检测系统，包括：图像获取模块，用于获取一原始人脸图像；控制处理模块，利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量，以及提取一人脸图像库中所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集；存储模块，用于存储所述原始人脸图像、、所述原始人脸图像的Gabor小波特征矢量、所述人脸图像库中的人脸图像以及所述特征矢量集。在本专利技术提供的人脸图像性别检测方法及系统中，利用Gabor算法和Memetic算法提取原始人脸图像的Gabor小波特征矢量，以及一人脸图像库中所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集，在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，并将所述最接近的特征矢量所对应的人脸图像的性别作为所述原始人脸图像的性别。无需使用PCA等手段进行降维，可在较短处理时间内获得更具区分能力的识别数据，提升了识别性能，从而提高了识别准确度。附图说明图1为本专利技术实施例中人脸图像性别检测方法的流程图；图2为本专利技术实施例中步骤S2的流程图；图3为本专利技术实施例中步骤S3的流程图；图4为本专利技术实施例中人脸图像性别检测系统的结构示意图。具体实施方式下面将结合示意图对本专利技术的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。本专利技术实施例提供了一种人脸图像性别检测方法，具体的本文档来自技高网...

【技术保护点】
一种人脸图像性别检测方法，其特征在于，包括以下步骤：获取一原始人脸图像；利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量；提取一人脸图像库中所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集；在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，并将所述最接近的特征矢量所对应的人脸图像的性别作为所述原始人脸图像的性别。

【技术特征摘要】
1.一种人脸图像性别检测方法，其特征在于，包括以下步骤：获取一原始人脸图像；利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量；提取一人脸图像库中所有人脸图像的Gabor小波特征矢量，并建立一特征矢量集；在所述特征矢量集中找出与所述原始人脸图像的Gabor小波特征矢量最接近的特征矢量，并将所述最接近的特征矢量所对应的人脸图像的性别作为所述原始人脸图像的性别。2.如权利要求1所述的人脸图像性别检测方法，其特征在于，利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量所使用的Gabor小波滤波器定义如下：其中，x'＝xcosθ+ysinθ，y'＝-xsinθ+ycosθ，x，y为矩阵中各像素坐标，λ为波长，θ为旋转角度，为相位，γ为输出波长的横纵比，b为带宽。3.如权利要求1所述的人脸图像性别检测方法，其特征在于，利用Gabor算法和Memetic算法提取所述原始人脸图像的Gabor小波特征矢量之前，先对所述原始人脸图像进行灰度化处理得到人脸灰度图像，并对所述人脸灰度图像进行归一化处理得到归一化人脸图像，利用Gabor算法和Memetic算法提取所述归一化人脸图像的Gabor小波特征矢量。4.如权利要求3所述的人脸图像性别检测方法，其特征在于，对所述人脸灰度图像进行归一化处理，得到归一化人脸图像的步骤包括：利用基于Harr特征的AdaBoost算法对所述人脸灰度图像进行检测，当检测到人脸信息时进行下一步；利用AdaBoost算法获得左右眼坐标；旋转所述人脸灰度图像，使得左右眼呈水平状态；对旋转后的人脸灰度图像进行裁剪使其宽和高呈预定比例；对裁剪后的人脸灰度图像进行缩放得到归一化人脸图像，所述归一化人脸图像的像素为一预定像素。5.如权利要求4所述的人脸图像性别检测方法，其特征在于，所述预定比例的范围是0.8:1～1:1.2。6.如权利要求4所述的人脸图像性...

【专利技术属性】
技术研发人员：方圆圆，
申请(专利权)人：联芯科技有限公司，大唐半导体设计有限公司，
类型：发明
国别省市：上海;31