專利名稱：一種性別識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種性別識別方法，屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
近年來，隨著人臉識別技術(shù)研究的深入，基于人臉圖像的性別識別已經(jīng)成為計算機生物識別領(lǐng)域中熱門的研究課題之一。性別識別是讓計算機根據(jù)輸入的人的圖像信息判斷性別的過程，在人工智能、系統(tǒng)監(jiān)控、模式識別等方面有著重要的前景。應(yīng)當(dāng)理解，性別識別在身份識別與驗證中可以充當(dāng)“過濾器”，利用檢測出來的性別信息顯著降低身份識別的圖片搜索數(shù)量，提高身份認(rèn)證識別速度與精度。性別識別技術(shù)領(lǐng)域是人臉圖像識別中被較早提出的識別領(lǐng)域，國內(nèi)外對此也進行了大量的研究，常用的性別識別的方法有1.基于人工神經(jīng)網(wǎng)絡(luò)的性別識別。由B. A. Golomb率先提出，后續(xù)如S. C. Yen等人提出改進，正確識別率可達(dá)88. 7%。其根據(jù)提取出的人臉特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)，再利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)識別人的性別。2.基于支持向量機的性別識別。其將得到的人臉圖像縮小為21*21的圖像，訓(xùn)練支持向量機，或?qū)⒗肁AM得提取的特征訓(xùn)練支持向量機，再利用訓(xùn)練好的支持向量機識別人的性別。3.基于Adaboost的性別識別，也稱為Adaoost分類方法。其提取圖像的Haar特征，訓(xùn)練Adaboost分類器，再利用訓(xùn)練好的Adaboost識別人的性別。以上所采取的方法都是僅僅利用了圖像的部分信息，當(dāng)其中的部分信息被干擾時，勢必會影響其識別率，因此，上述的幾種方法存在識別率不高、識別率易受干擾的缺點。而圖像中的多路信息，當(dāng)一部分信息被干擾時，綜合所有信息可以相對有效的消除干擾，因此，這在單一的信息無法滿足識別需要時，發(fā)明人認(rèn)為可以考慮融合信息，以提高性別的識別率。

發(fā)明內(nèi)容
因此，本發(fā)明從融合多路信息的角度入手，采用一種新的性別識別的路徑，而提出一種識別率可以被接受的性別識別方法。本發(fā)明采用以下技術(shù)方案
一種性別識別方法，基于同樣規(guī)格的樣本按照選定的多個子特征訓(xùn)練，輸出基于每個子特征識別的性別識別結(jié)果；
輸入待識別的圖片，歸一到所述規(guī)格，識別歸一后的所述圖片每一子特征識別的性別識別結(jié)果，信息融合的方式為求和該圖片的基于各子特征的性別識別結(jié)果，取優(yōu)勢的性別識別結(jié)果之和對應(yīng)的性別輸出。依據(jù)本發(fā)明的上述性別識別方法，把得到的多個一次識別信息進行二次融合，得到最終的識別結(jié)果，信息融合充分利用了各個一次識別結(jié)果，形成信息互補，有效地消除了干擾，具有很好的應(yīng)用效果。其應(yīng)用可以大大提高性別是別的魯棒性，且對光照等干擾有很好的適應(yīng)性，從而獲得更好的識別率。上述性別識別方法，，所述規(guī)格為截取的人臉區(qū)域大小為MXN的尺寸規(guī)格，且含有兩瞳孔間距的規(guī)格，據(jù)此行列均分該人臉，生成網(wǎng)格，得到匹配數(shù)目的網(wǎng)格點；
基于每個網(wǎng)格點提取人臉子特征，利用每個子特征信息和預(yù)先知道的男女信息，應(yīng)用學(xué)習(xí)算法進行學(xué)習(xí)，輸出訓(xùn)練結(jié)果。上述性別識別方法，提取人臉子特征的方法是，首先截取對應(yīng)網(wǎng)格點的預(yù)定鄰域，形成一個Ml XNI子區(qū)域，進而得到Ml XNI列的向量。上述性別識別方法，M1、N1的取值范圍均為[10，15]。上述性別識別方法，所述性別識別結(jié)果為y={0，1}，其中O代表女，I代表男，或者輸出y={p，q}，其中P為女的概率，q為男的概率，O
^ P ^ I, O ^ q ^ I ；
相應(yīng)地，信息融合的方式對于輸出結(jié)果為y={0，l}的分類方法采用對比輸出分類為O與分類為I的個數(shù)；
信息融合的方式對于輸出結(jié)果為y={p，q}分類方法采用概率加權(quán)的方法
P= {pl, p2, p3, p4,…，pK}和 Q= {ql, q2, q3, q4, ...，qK}，其中 K 為網(wǎng)格點個數(shù)，P 為判定為女的概率集合，Q為判定為男的概率組合；
計算為女的概率為p=sum(P)/K，為男的概率為q=sum(Q)/K,其中sum代表求和；若p>q，則認(rèn)定是女，否則 為男。上述性別識別方法，所述網(wǎng)格劃分方法是寬m等分，高η等分，其中m、η均為自然數(shù)，且m e [4，10]，n e [3,8] 上述性別識別方法，所述規(guī)格包含截取人臉區(qū)域的內(nèi)容，所述的人臉區(qū)域為整張人臉或選擇眼睛、眉毛、鼻子、嘴巴中的一個或者多個。結(jié)合具體實施例對本發(fā)明進行更詳細(xì)的說明，本發(fā)明的上述及其他目的和優(yōu)點將更加顯而易見。
具體實施例方式在以下的內(nèi)容中，所涉及到的性別識別方法，表現(xiàn)在對圖片多種信息的信息融合，其原理是將得到的多個一次識別信息進行二次融合，以二次融合的結(jié)果，作為最終的識別結(jié)果。當(dāng)某些識別信息因為受到干擾而受到影響時，其他的一次識別信息在正確時，類同于剔除掉了不可用的識別信息，從而信息融合充分利用了各個一次識別結(jié)果，形成信息互補，因而具有很好的應(yīng)用效果。進而可大大提高性別識別的魯棒性，且對光照等干擾有很好的適應(yīng)性，有很高的識別率。依據(jù)上述內(nèi)容，提供一種性別識別方法，其包括步驟1.圖片幾何尺寸歸一化，截取人臉區(qū)域，得到人臉區(qū)域的大小MXN;
歸一化樣本以及待處理的圖片，使得相關(guān)信息具有相對統(tǒng)一的基礎(chǔ)。1.1、在一些實施例中，幾何尺寸歸一化的方法可以是利用支持向量機來獲得，通過大量樣本的學(xué)習(xí)，定位人的兩瞳孔位置；在較佳的實施例中，設(shè)定兩瞳孔距離為64像素，設(shè)定兩睛孔的中點為圖片的中心點，將圖片放縮到240X320的尺寸，在較佳的實施例中可以在獲得較好識別率的情況下，計算量相對比較小；
1.2、在一些實施例中，截取的人臉區(qū)域可以是整張人臉，也可以是人臉的眼睛、眉毛、鼻子、嘴巴等關(guān)鍵特征，在選擇局部特征時，盡可能選擇性別區(qū)分度較大的部位，在區(qū)分度相對較小時，可以匹配多種部位進行區(qū)分，以滿足信息融合的需要；
1.2、1、在一些較佳的實施例中，截取人臉區(qū)域可為整張人臉，區(qū)域?qū)挾葹?00-150，區(qū)域高度為150-200，此方法較為充分的利用了人臉的全部信息；
1.2.2、在一些實施例中，截取人臉區(qū)域可為眉毛眼睛區(qū)域，截取區(qū)域的大小可為100X40，此方法利用了人臉的局部區(qū)域，但由于眉毛眼睛具有很好的區(qū)分度，也可具有很好的識別效果； 2.對選擇的MXN區(qū)域的高和寬分別等距離劃分網(wǎng)格，得到若干個網(wǎng)格點；
2.1、在一些實施例中，MXN區(qū)域的寬可以劃分為m等份，m為自然數(shù)，m—般取M的1/10-1/4 ;經(jīng)過大量的實驗，m過大則容易包含過多的無效信息，造成識別率下降，m過小則容易遺漏關(guān)鍵信息，同樣造成識別率下降，在這個區(qū)間內(nèi)，可以獲得較佳區(qū)分度；
2.2、在另一些實施例中，MXN區(qū)域的高可以劃分為η等份，η為自然數(shù)，η 一般取N的1/8 —1/3，經(jīng)過驗證，η過大或過小也都將使識別率有不同程度的下降；
3、選取2Κ(K為自然數(shù)，一般取100-300張即可，可獲得具有較好代表性的數(shù)據(jù))張尺寸歸一化的人臉圖像，男女圖像各K張，基于每個網(wǎng)格點提取人臉子特征，利用每個子特征信息和預(yù)先知道的男女信息，用學(xué)習(xí)算法進行學(xué)習(xí)；其中輸入為網(wǎng)格點信息，輸出為y={0，1}，其中O代表女，I代表男，或者輸出y={p，q}，其中P為女的概率，q為男的概率，Oi
P-1j O^q^l；
3.1、在一些實施例中，每個網(wǎng)格點的子特征提取可以采用直接截取網(wǎng)格點周圍MlXNl區(qū)域的方法，形成以網(wǎng)格點為中心的鄰域，逐行排列得到I行Ml XNI列的向量，其中M1、N1均為自然數(shù)，此種方法簡單明了，易于操作；
3.2、再進一步應(yīng)用的一些實施例中，每個網(wǎng)格點的子特征提取可首先截取網(wǎng)格點周圍MlXNl區(qū)域，再將Ml X NI區(qū)域的灰度值做歸一化處理，最后逐行排列得到I行Ml XNl列的向量，此種方法通過歸一化處理，將人臉灰度信息映射到同一尺度空間，可在一定程度上提高識別率；
3.3、優(yōu)選地，每個網(wǎng)格點的子特征提取可首先截取網(wǎng)格點周圍MlXNl區(qū)域，計算A(i, j)的灰度平均值A(chǔ)veGray和灰度方差VariGray，其中O s i〈Ml，O S j〈Nl，A(i，j)為MlXNl區(qū)域內(nèi)對應(yīng)位置上的灰度值,計算標(biāo)準(zhǔn)化的灰度值A(chǔ)s(i, j) = ( A(i, j)_ AveGray) /VariGray，最后將標(biāo)準(zhǔn)化后的區(qū)域逐行排列得到I行MlXNl列的向量，此種方法可確保處理后區(qū)域的像素值均值為0，區(qū)域內(nèi)像素信息近似滿足標(biāo)準(zhǔn)正態(tài)分布；
上述3.1 — 3. 3中的Ml、NI均可取10 —15之間，過大或過小都會造成學(xué)習(xí)效果變差，經(jīng)過驗證在期望的識別率中上述范圍可用，并可在上述范圍中去的峰值；
應(yīng)當(dāng)理解，包括Ml、NI取值范圍在內(nèi)的范圍基本滿足一定參數(shù)效果的曲線，由此所延伸出效果較差的數(shù)值，屬于其的簡單變換，應(yīng)當(dāng)落入其保護范圍之內(nèi)。3.4根據(jù)3，機器學(xué)習(xí)方法可以是貝葉斯學(xué)習(xí)的方法，此時的識別結(jié)果可為實數(shù)P和q，其中P為是女的概率，Q為是男的概率，0 ρ 1，O < q <1:識別結(jié)果還可以是y={0，l}，其中O代表女，I代表男；3.5根據(jù)3，機器學(xué)習(xí)方法可以是支持向量機學(xué)習(xí)的方法，此時的識別結(jié)果可為O或1，其中O代表女，I代表男；
3.6根據(jù)3，機器學(xué)習(xí)方法可以是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的方法，此時的識別結(jié)果可為O或1，其中O代表女，I代表男；
4.對于一幅待識別的圖像，通過上述步驟對圖像預(yù)處理，將得到的多個網(wǎng)格點信息作為訓(xùn)練好的分類器的輸入，分別得到其一次識別結(jié)果，最后通過信息融合的方式得到最終判斷結(jié)果；更具體的步驟表示如下
4.1、若分類器的輸出結(jié)果為y= {O，1}，信息融合的方式可以采用擇多判決的方法，為判斷方便，選取網(wǎng)格點個數(shù)NUM可為奇數(shù)，NUM —般可為15 — 35之間的奇數(shù)，分別統(tǒng)計分類器輸出為O的個數(shù)NUMQl和分類器為I的個數(shù)NUMQ2，若NUMQDNUMQ2，則為女，否則為男；
4.2、在一些實施例中，若分類器的輸出結(jié)果為y= {p，q}，信息融合的方式可以采用概率加權(quán)的方法。設(shè)網(wǎng)格點的輸出結(jié)果為P={pl，p2，p3，p4，…，pK}和Q={ql，q2，q3，q4，...，qK}，其中K為網(wǎng)格點個數(shù)，P為判定為女的概率集合，Q為判定為男的概率組合；最后計算為女的概率為P=sum(P)/K，為男的概率為q=sum(Q)/K,其中sum代表求和；若p>q,則認(rèn)定是女，否則為男。下面結(jié)合更具體的實施例對上述方案作更具體的描述。實施方式一1.圖像幾何尺寸歸一化，截取人臉區(qū)域；1.1.設(shè)定樣本數(shù)量S=100000，采用支持向量機學(xué)習(xí)的方法，定位人的兩瞳孔位置；設(shè)定兩瞳孔距離為64像素，設(shè)定兩瞳孔的中點為圖片的中心點，將圖片放縮到240X320的尺寸；1. 2對于n=100幅人臉圖像，依次粗略估計能截取人臉區(qū)域的矩形大小Aj,并得到此矩形的左上角坐標(biāo)(Xlj，yij)和右下角坐標(biāo)(x2j，y2j)，其中ISJ S ，分別計算兩坐標(biāo)點的均值
(X1, Y1)和(x2, y2),其中
權(quán)利要求
1.一種性別識別方法，其特征在于，基于同樣規(guī)格的樣本按照選定的多個子特征訓(xùn)練，輸出基于每個子特征識別的性別識別結(jié)果； 輸入待識別的圖片，歸一到所述規(guī)格，識別歸一后的所述圖片每一子特征識別的性別識別結(jié)果，信息融合的方式為求和該圖片的基于各子特征的性別識別結(jié)果，取優(yōu)勢的性別識別結(jié)果之和對應(yīng)的性別輸出。
2.根據(jù)權(quán)利要求1所述的性別識別方法，其特征在于，所述規(guī)格為截取的人臉區(qū)域大小為MXN的尺寸規(guī)格，且含有兩瞳孔間距的規(guī)格，據(jù)此行列均分該人臉，生成網(wǎng)格，得到匹配數(shù)目的網(wǎng)格點； 基于每個網(wǎng)格點提取人臉子特征，利用每個子特征信息和預(yù)先知道的男女信息，應(yīng)用學(xué)習(xí)算法進行學(xué)習(xí)，輸出訓(xùn)練結(jié)果。
3.根據(jù)權(quán)利要求2所述的性別識別方法，其特征在于，提取人臉子特征的方法是，首先截取對應(yīng)網(wǎng)格點的預(yù)定鄰域，形成一個Ml XNl子區(qū)域，進而得到Ml XNI列的向量。
4.根據(jù)權(quán)利要求3所述的性別識別方法，其特征在于，M1、N1的取值范圍均為[10，15]。
5.根據(jù)權(quán)利要求1至4任一所述的性別識別方法，其特征在于，所述性別識別結(jié)果為7={0，1}，其中0代表女，1代表男，或者輸出y={p，q}，其中p為女的概率，q為男的概率，0^p<l, 0<q<l； 相應(yīng)地，信息融合的方式對于輸出結(jié)果為y={0，l}的分類方法采用對比輸出分類為0與分類為I的個數(shù)； 信息融合的方式對于輸出結(jié)果為y={p，q}分類方法采用概率加權(quán)的方法P= {pl, p2, p3, p4,…，pK}和 Q= {ql, q2, q3, q4, ...，qK}，其中 K 為網(wǎng)格點個數(shù)，P 為判定為女的概率集合，Q為判定為男的概率組合； 計算為女的概率為p=sum(P)/K，為男的概率為q=sum(Q)/K,其中sum代表求和；若p>q，則認(rèn)定是女，否則為男。
6.根據(jù)權(quán)利要求2至4任一所述的性別識別方法，其特征在于，所述網(wǎng)格劃分方法是寬m等分,高n等分,其中m、n均為自然數(shù),且m G [4,10], n G [3,8]。
7.根據(jù)權(quán)利要求1所述的性別識別方法，其特征在于，所述規(guī)格包含截取人臉區(qū)域的內(nèi)容，所述的人臉區(qū)域為整張人臉或選擇眼睛、眉毛、鼻子、嘴巴中的一個或者多個。
全文摘要
本發(fā)明公開了一種性別識別方法，基于同樣規(guī)格的樣本按照選定的多個子特征訓(xùn)練，輸出基于每個子特征識別的性別識別結(jié)果；輸入待識別的圖片，歸一到所述規(guī)格，識別歸一后的所述圖片每一子特征識別的性別識別結(jié)果，信息融合的方式為求和該圖片的基于各子特征的性別識別結(jié)果，取優(yōu)勢的性別識別結(jié)果之和對應(yīng)的性別輸出。依據(jù)本發(fā)明為一種新的性別識別方法，其識別率較高。
文檔編號G06K9/62GK103034840SQ20121051511
公開日2013年4月10日 申請日期2012年12月5日 優(yōu)先權(quán)日2012年12月5日
發(fā)明者張傳鋒, 許野平, 方亮, 曹杰, 劉辰飛 申請人:山東神思電子技術(shù)股份有限公司