一种基于人脸特征的性别分类方法和装置制造方法及图纸

技术编号:17796938 阅读:25 留言:0更新日期:2018-04-25 20:26
本发明专利技术公开了一种基于人脸特征的性别分类方法和装置,通过根据眼睛定位坐标对人脸图像进行预处理;对所述人脸图像进行图像尺度缩放形成多分辨率高斯金字塔;对不同尺度和方向进行Gabor小波变换;对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像;提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据;采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维;基于支持向量机的性别分类模型中进行训练,获得性别分类模型;将特征输入到所述性别分类模型中得到分析结果。

A gender classification method and device based on facial features

The present invention discloses a gender classification method and device based on face features. The face image is preprocessed by the eye location coordinate, and the image scale is scaling to form multi-resolution Gauss Pyramid; the Gabor wavelet transform is carried out on different scales and directions; the Gabor face image is entered into the face image. A local two value mode transformation is performed and the face image is evenly divided in horizontal and vertical directions; the histogram data of each region of the Gabor local binary pattern face image is extracted. The sample data with male and female labels in the multi-resolution local Gabor two value pattern MLGBP feature is collected, and each partition is divided. The regional feature vector is used to reduce the dimension of the central connection line, and the gender classification model based on the support vector machine is trained to get the gender classification model, and the characteristics are input to the sex classification model to get the results of the analysis.

【技术实现步骤摘要】
一种基于人脸特征的性别分类方法和装置
本专利技术涉及人脸识别
,尤其涉及一种基于人脸特征的性别分类方法和装置。
技术介绍
基于图像的性别分类是一个复杂、具有挑战性的两类模式分类问题,因为人脑能鉴别图像中人的性别机理深入研究得很少,基于图像特征的性别分类由于人机交互,如在人口统计、视频监控和机器视觉方面,存在潜在的应用而吸引着众多研究者的目光。对这个问题来说,最具有挑战性的是如何设计出优秀的图像特征提取算法进行性别分类。模式分类领域中的一个重要问题是如何寻求一种优秀的特征提取方法。一般来说,不同的特征提取方法往往适合于不同的应用。例如,对性别分类问题而言,需要寻求适合于性别分类应用的特征提取算法。本申请专利技术人在实现本专利技术技术方案的过程中,发现上述现有技术至少存在如下技术问题:现有技术中,描述性别特征的方法很难保证在光照、表情、姿态等变化条件下具有鲁棒性的技术问题。
技术实现思路
本专利技术提供了一种基于人脸特征的性别分类方法和装置,用以解决现有技术中,描述性别特征的方法很难保证在光照、表情、姿态等变化条件下具有鲁棒性的技术问题。一方面,本专利技术提供了一种基于人脸特征的性别分类方法,所述方法包括:根据眼睛定位坐标对人脸图像进行预处理;对所述人脸图像按照原始大小、四分之一和十六分之一原始大小进行图像尺度缩放形成多分辨率高斯金字塔,并分别进行高斯滤波;对所述分辨率高斯金字塔中每个所述人脸图像按照不同尺度和方向进行Gabor小波变换,获得Gabor人脸图像;对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像,获得Gabor局部二进制模式人脸图像;提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据,并按照由上至下、自左向右的顺序,获得多分辨率局部Gabor二值模式MLGBP特征向量;采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维,获得基于中心连接线CCL降维的多分辨率局部Gabor二值模式特征向量MLGBP-CCL;将所述MLGBP-CCL中带有男性和女性标签的特征数据输入基于支持向量机的性别分类模型中进行训练,获得性别分类模型;将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果。优选的,所述将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果还包括:从视频图像中检测到人脸图像;提取多分辨率局部Gabor二值模式人脸特征MLGBP;利用所述人脸特征MLGBP和所述中心连接线CCL获得所述MLGBP-CCL特征向量;将所述MLGBP-CCL特征向量输入到所述性别分类模型中得到分析结果。优选的,所述预处理包括:人脸检测、人脸图像灰度化和人脸图像标准化,其中,人脸图像灰度化为将RGB图像转换成YUV格式,然后直接取Y值,公式为Gray=Y=0.299×R+0.587×G+0.114×B,Y为图像亮度信息;人脸图像标准化为将输入的人脸图像变换成统一结构,人脸校正为统一大小。优选的,所述多分辨率高斯金字塔为对标准化人脸图像进行图像缩放和高斯滤波,按照分辨率大小自下而上形成金字塔层次结构。优选的,所述方法还包括:所述Gabor滤波器由Gabor变换产生,利用多个尺度和多个方向的Gabor滤波器分解多分辨率图像,将所述Gabor图像中每块平均灰度值连接起来形成一特征向量,所述Gabor滤波器定义公式为:其中,u和v分别定义为Gabor滤波器的方向和尺度,z=(x,y)T,||·||表示范数操作,σ是度量高斯窗口宽度与波长的比例。优选的,所述MLGBP-CCL特征向量为对中心连接线CCL减少MLGBP特征向量的维数后得到的特征向量。优选的,所述方法还包括:所述支持向量机是一种机器学习方法,是在样本输入空间或特征空间,构造出一个最优超平面,使得超平面到两类样本集之间的距离达到最大。优选的,所述方法还包括:人脸坐标变换公式为:其中,(lx,ly)左眼坐标,(rx,ry)右眼坐标,(x,y)为原始图像坐标,(x′,y′)为变换后的坐标,(LX,LY)标准人脸左眼坐标,(RX,RY)标准人脸右眼坐标,另一方面,本专利技术实施例还提供了一种基于人脸特征的性别分类装置,所述装置包括:第一预处理单元,所述第一预处理单元用于根据眼睛定位坐标对人脸图像进行预处理;第一滤波单元,所述第一滤波单元用于对所述人脸图像按照原始大小、四分之一和十六分之一原始大小进行图像尺度缩放形成多分辨率高斯金字塔,并分别进行高斯滤波;第一获得单元,所述第一获得单元用于对所述分辨率高斯金字塔中每个所述人脸图像按照不同尺度和方向进行Gabor小波变换,获得Gabor人脸图像;第二获得单元,所述第二获得单元用于对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像,获得Gabor局部二进制模式人脸图像;第三获得单元,所述第三获得单元用于提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据,并按照由上至下、自左向右的顺序,获得多分辨率局部Gabor二值模式MLGBP特征向量;第四获得单元,所述第四获得单元用于采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维,获得基于中心连接线CCL降维的多分辨率局部Gabor二值模式特征向量MLGBP-CCL;第五获得单元,所述第五获得单元用于将所述MLGBP-CCL中带有男性和女性标签的特征数据输入基于支持向量机的性别分类模型中进行训练,获得性别分类模型;第六获得单元,所述第六获得单元用于将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果。再一方面,本专利技术实施例还提供一种基于人脸特征的性别分类装置,所述装置包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:根据眼睛定位坐标对人脸图像进行预处理;对所述人脸图像按照原始大小、四分之一和十六分之一原始大小进行图像尺度缩放形成多分辨率高斯金字塔,并分别进行高斯滤波;对所述分辨率高斯金字塔中每个所述人脸图像按照不同尺度和方向进行Gabor小波变换,获得Gabor人脸图像;对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像,获得Gabor局部二进制模式人脸图像;提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据,并按照由上至下、自左向右的顺序,获得多分辨率局部Gabor二值模式MLGBP特征向量;采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维,获得基于中心连接线CCL降维的多分辨率局部Gabor二值模式特征向量MLGBP-CCL;将所述MLGBP-CCL中带有男性和女性标签的特征数据输入基于支持向量机的性别分类模型中进行训练,获得性别分类模型;将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果。本专利技术实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:在本专利技术实施例提供的一种基于人脸特征的性别分类方法和装置,通过根据眼睛定位本文档来自技高网...
一种基于人脸特征的性别分类方法和装置

【技术保护点】
一种基于人脸特征的性别分类方法,其特征在于,所述方法包括:根据眼睛定位坐标对人脸图像进行预处理;对所述人脸图像按照原始大小、四分之一和十六分之一原始大小进行图像尺度缩放形成多分辨率高斯金字塔,并分别进行高斯滤波;对所述分辨率高斯金字塔中每个所述人脸图像按照不同尺度和方向进行Gabor小波变换,获得Gabor人脸图像;对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像,获得Gabor局部二进制模式人脸图像;提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据,并按照由上至下、自左向右的顺序,获得多分辨率局部Gabor二值模式MLGBP特征向量;采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维,获得基于中心连接线CCL降维的多分辨率局部Gabor二值模式特征向量MLGBP‑CCL;将所述MLGBP‑CCL中带有男性和女性标签的特征数据输入基于支持向量机的性别分类模型中进行训练,获得性别分类模型;将所述MLGBP‑CCL特征输入到所述性别分类模型中得到分析结果。

【技术特征摘要】
1.一种基于人脸特征的性别分类方法,其特征在于,所述方法包括:根据眼睛定位坐标对人脸图像进行预处理;对所述人脸图像按照原始大小、四分之一和十六分之一原始大小进行图像尺度缩放形成多分辨率高斯金字塔,并分别进行高斯滤波;对所述分辨率高斯金字塔中每个所述人脸图像按照不同尺度和方向进行Gabor小波变换,获得Gabor人脸图像;对所述Gabor人脸图像进行局部二值模式变换,并按水平和垂直方向均匀划分所述人脸图像,获得Gabor局部二进制模式人脸图像;提取所述Gabor局部二进制模式人脸图像每个区域的直方图数据,并按照由上至下、自左向右的顺序,获得多分辨率局部Gabor二值模式MLGBP特征向量;采集所述多分辨率局部Gabor二值模式MLGBP特征中带有男性和女性标签的样本数据,并对每个划分区域特征向量进行中心连接线降维,获得基于中心连接线CCL降维的多分辨率局部Gabor二值模式特征向量MLGBP-CCL;将所述MLGBP-CCL中带有男性和女性标签的特征数据输入基于支持向量机的性别分类模型中进行训练,获得性别分类模型;将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果。2.如权利要求1所述的方法,其特征在于,所述将所述MLGBP-CCL特征输入到所述性别分类模型中得到分析结果还包括:从视频图像中检测到人脸图像;提取多分辨率局部Gabor二值模式人脸特征MLGBP;利用所述人脸特征MLGBP和所述中心连接线CCL获得所述MLGBP-CCL特征向量;将所述MLGBP-CCL特征向量输入到所述性别分类模型中得到分析结果。3.如权利要求1所述的方法,其特征在于,所述预处理包括:人脸检测、人脸图像灰度化和人脸图像标准化,其中,人脸图像灰度化为将RGB图像转换成YUV格式,然后直接取Y值,公式为Gray=Y=0.299×R+0.587×G+0.114×B,Y为图像亮度信息;人脸图像标准化为将输入的人脸图像变换成统一结构,人脸校正为统一大小。4.如权利要求3所述的方法,其特征在于,所述多分辨率高斯金字塔为对标准化人脸图像进行图像缩放和高斯滤波,按照分辨率大小自下而上形成金字塔层次结构。5.如权利要求4所述的方法,其特征在于,所述方法还包括:所述Gabor滤波器由Gabor变换产生,利用多个尺度和多个方向的Gabor滤波器分解多分辨率图像,将所述Gabor图像中每块平均灰度值连接起来形成一特征向量,所述Gabor滤波器定义公式为:其中,u和v分别定义为Gabor滤波器的方向和尺度,z=(x,y)T,||·||表示范数操作,σ是度量高斯窗口宽度与波长的比例。6.如权利要求2所述的方法,其特征在于,所述MLGBP-CCL特征向量为对中心连接线CCL减少MLGBP特征向量的维数后得到的特征向量。7.如权利要求1所述的方法,其特征在于,所述方法还包括:所述支持向量机是一种机器学习方法,是在样本输入空间或特征空间,构造出一个最优超平面,使得超平面到两类样本集之间的距离达到最大。8.如权利要求1所述的方法,其特征在于,所述方法还包括:人脸坐标变换公式为:

【专利技术属性】
技术研发人员:纪政
申请(专利权)人:上海正鹏信息科技有限公司
类型:发明
国别省市:上海,31

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1