[发明专利]一种性别识别方法

说明书

技术领域

本发明涉及一种性别识别方法，属于图像处理技术领域。

背景技术

近年来，随着人脸识别技术研究的深入，基于人脸图像的性别识别已经成为计算机生物识别领域中热门的研究课题之一。性别识别是让计算机根据输入的人的图像信息判断性别的过程，在人工智能、系统监控、模式识别等方面有着重要的前景。

应当理解，性别识别在身份识别与验证中可以充当“过滤器”，利用检测出来的性别信息显著降低身份识别的图片搜索数量，提高身份认证识别速度与精度。

性别识别技术领域是人脸图像识别中被较早提出的识别领域，国内外对此也进行了大量的研究，常用的性别识别的方法有：

1.基于人工神经网络的性别识别。由B.A.Golomb率先提出，后续如S.C.Yen等人提出改进，正确识别率可达88.7%。其根据提取出的人脸特征训练神经网络，再利用训练好的神经网络识别人的性别。

2.基于支持向量机的性别识别。其将得到的人脸图像缩小为21*21的图像，训练支持向量机，或将利用AAM得提取的特征训练支持向量机，再利用训练好的支持向量机识别人的性别。

3.基于Adaboost的性别识别，也称为Adaoost分类方法。其提取图像的Haar特征，训练Adaboost分类器，再利用训练好的Adaboost识别人的性别。

以上所采取的方法都是仅仅利用了图像的部分信息，当其中的部分信息被干扰时，势必会影响其识别率，因此，上述的几种方法存在识别率不高、识别率易受干扰的缺点。而图像中的多路信息，当一部分信息被干扰时，综合所有信息可以相对有效的消除干扰，因此，这在单一的信息无法满足识别需要时，发明人认为可以考虑融合信息，以提高性别的识别率。

发明内容

因此，本发明从融合多路信息的角度入手，采用一种新的性别识别的路径，而提出一种识别率可以被接受的性别识别方法。

本发明采用以下技术方案：

一种性别识别方法，基于同样规格的样本按照选定的多个子特征训练，输出基于每个子特征识别的性别识别结果；

输入待识别的图片，归一到所述规格，识别归一后的所述图片每一子特征识别的性别识别结果，信息融合的方式为求和该图片的基于各子特征的性别识别结果，取优势的性别识别结果之和对应的性别输出。

依据本发明的上述性别识别方法，把得到的多个一次识别信息进行二次融合，得到最终的识别结果，信息融合充分利用了各个一次识别结果，形成信息互补，有效地消除了干扰，具有很好的应用效果。其应用可以大大提高性别是别的鲁棒性，且对光照等干扰有很好的适应性，从而获得更好的识别率。

上述性别识别方法，，所述规格为截取的人脸区域大小为M×N的尺寸规格，且含有两瞳孔间距的规格，据此行列均分该人脸，生成网格，得到匹配数目的网格点；

基于每个网格点提取人脸子特征，利用每个子特征信息和预先知道的男女信息，应用学习算法进行学习，输出训练结果。

上述性别识别方法，提取人脸子特征的方法是，首先截取对应网格点的预定邻域，形成一个M1×N1子区域，进而得到M1×N1列的向量。

上述性别识别方法， M1、N1的取值范围均为[10，15]。

上述性别识别方法，所述性别识别结果为y={0，1}，其中0代表女，1代表男，或者输出y={p,q},其中p为女的概率，q为男的概率, 0                                               p1, 0q1；

相应地，信息融合的方式对于输出结果为y={0，1}的分类方法采用对比输出分类为0与分类为1的个数；

信息融合的方式对于输出结果为y={p,q}分类方法采用概率加权的方法：

P={p1,p2,p3,p4,…,pK}和Q={q1,q2,q3,q4,…,qK}，其中K为网格点个数，P为判定为女的概率集合，Q为判定为男的概率组合；

计算为女的概率为p=sum(P)/K,为男的概率为q=sum(Q)/K,其中sum代表求和；若p>q，则认定是女，否则为男。

上述性别识别方法，所述网格划分方法是宽m等分，高n等分，其中m、n均为自然数，且m∈[4，10]，n∈[3，8]。

上述性别识别方法，所述规格包含截取人脸区域的内容，所述的人脸区域为整张人脸或选择眼睛、眉毛、鼻子、嘴巴中的一个或者多个。

结合具体实施例对本发明进行更详细的说明，本发明的上述及其他目的和优点将更加显而易见。