学位论文 > 优秀研究生学位论文题录展示

基于人脸图像的性别分类

作　者: 陆庆庆
导　师: 於东军; 陆建峰
学　校: 南京理工大学
专　业: 软件工程
关键词: 人脸检测特征提取卷积神经网络性别分类
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸图像包含了丰富的人物信息,包括性别、年龄、人种、身份等。基于人脸图像的性别研究就是从人脸图像中识别出人物的性别信息。通常,基于人脸图像的性别识别过程需要包含人脸检测、特征提取和分类器分类三个部分。本文针对这三个部分进行了研究。人脸检测部分,本文主要研究了AdaBoost算法。考虑到不同的图像质量,首先对图像进行了预处理操作,然后使用AdaBoost算法进行分类器的训练,最终使用级联的分类器进行人脸检测。针对检测结果有误检的情况,本文设计了相应的算法来对检测的结果进行验证,以过滤误检的结果,具体方法是：在检出窗口内继续检测眼、鼻、口等器官,并根据其在窗口内位置的相对关系来判断检测是否为真的人脸。在特征提取方面,本文研究了PCA和LDA两种不同的图像分析方法,比较了他们在应用于人脸图像分析方面的差异。本文使用PCA算法和PCA+LDA的融合算法进行了基于人脸图像的性别分类实验,比较了他们在不同训练样本数量和不同特征维度的条件下对分类性能的影响。分类算法方面,本文重点研究了深度学习中的卷积神经网络。首先介绍了其网络结构的理论基础和推导,然后构建了一个卷积神经网络模型用于解决人脸图像性别分类问题。实验表明,该网络结构可以应用于图像的二分类问题。本文通过对不同的人脸数据库的进行实验,比较发现,图像的光照,以及人脸大小、方向和头发等背景会对分类结果产生一定的影响。另外通过对每个卷积层过滤器个数的修改,实验分析了不同大小的过滤器层对网络训练和分类效果的影响。同时对部分人脸遮挡的情况进行了实验,证明该模型对较少程度的遮挡也具有鲁棒性。

全文目录

摘要  3-4
Abstract  4-7
1 绪论  7-11
  1.1 研究背景和意义  7-8
  1.2 国内外研究现状  8-9
  1.3 常用人脸图像库  9-10
  1.4 本文的主要工作和内容安排  10-11
2 人脸检测  11-31
  2.1 引言  11-12
  2.2 基于AdaBoost的人脸检测基本原理  12-19
    2.2.1 积分图  12-14
    2.2.2 分类器学习  14-16
    2.2.3 分类器级联  16-18
    2.2.4 人脸检测过程  18-19
  2.3 图像预处理  19-21
  2.4 人脸验证  21-24
    2.4.1 基于肤色模型  21
    2.4.2 基于人眼定位  21-22
    2.4.3 基于人脸轮廓  22-23
    2.4.4 本文采用的验证方法  23-24
  2.5 人脸检测实验  24-30
    2.5.1 训练集  24-25
    2.5.2 正面人脸检测实验  25-27
    2.5.3 侧脸检测实验  27-30
  2.6 本章小结  30-31
3 基于PCA和LDA的人脸性别分类方法  31-39
  3.1 基于PCA的降维  31-33
  3.2 基于LDA的分类方法  33-35
  3.3 基于PCA+LDA的人脸性别分类  35-36
  3.4 实验结果与分析  36-38
  3.5 本章小结  38-39
4 卷积神经网络  39-51
  4.1 卷积神经网络相关背景  39-41
  4.2 卷积神经网络拓扑结构  41-43
  4.3 BP神经网络基本原理  43-46
    4.3.1 神经元  43-44
    4.3.2 BP网络算法原理  44-46
  4.4 卷积神经网络使用的反向传播算法  46-50
    4.4.1 卷积层的梯度计算  47-48
    4.4.2 下采样层的梯度计算  48-49
    4.4.3 特征图的组合  49-50
  4.5 本章小结  50-51
5 卷积神经网络应用于人脸性别分类  51-57
  5.1 本文使用的卷积神经网络结构  51-53
  5.2 实验数据准备  53-54
  5.3 实验结果与分析  54-56
    5.3.1 不同数据库比较  54
    5.3.2 不同模型的比较  54-55
    5.3.3 遮挡实验  55-56
  5.4 本章小结  56-57
6 总结与展望  57-59
  6.1 总结  57
  6.2 展望  57-59
致谢  59-60
参考文献  60-64
附录  64

基于人脸图像的性别分类

内容摘要

全文目录

相似论文