专利名称：复杂环境下性别特征的提取方法
技术领域：
本发明涉及生物技术的领域，尤其是复杂环境下性别特征的提取方法。
背景技术：
2010年6月在第二届上海国际数字标牌及触摸查询技术展示会上，三星电子大中华区经理隋大鹏指出该公司的数字标牌系统正在融入更多的新技术，通过脸部跟踪及识别技术完成对受众群人数、性别、年龄区间等信息的采集和统计，并可据此调整播放策略。 三星应用到餐饮行业的观众识别系统解决方案可为不同的受众群体播放不同的内容，以做到智能发布。目前使用的性别特征的提取，操作方法复杂，提取繁琐，浪费时间。
发明内容
本发明要解决的技术问题是为了克服上述中存在的问题，提供一种提取方便并且计算简单的复杂环境下性别特征的提取方法。本发明解决其技术问题所采用的技术方案是一种复杂环境下性别特征的提取方法，包括性别特征的提取，其具体步骤如下a.提取人体的人脸、肤色、发型、装饰的特征；b.通过线性判别方法提取训练检测到的人体的特征和利用Fisher方法提取训练样本和目标图像的特征，Fisher线性判别法作为单分类器来说，其识别性能在不同的数据库上均不错，但是，利用Fisher线性法在进行降维处理时，还是会丢失一些有用的信息，而这些信息对于后面的步骤可能很重要，这也是该方法的不足之处；c.通过动态聚类方法对目标图像进行分类并计算单分类器的平均识别率，动态聚类算法，C-均值算法是一种常用的基于近邻法则的无监督学习方法，首先确定需要的群数 c，选好c个代表点，用这些代表点作为初始类型，再对样本集H中每个样本X找出相距最近的代表点，将X归到这个最近的代表点所在的群中去，这样，第一次迭代就用近邻法则将H 初步分为c群，下一次迭代就在这个基础上以上次迭代所得的各群的均值向量作为新的代表点，再次按近邻法则将H分为c群，直到分群稳定为止，C-均值算法的收敛速度比较快， 但是其收敛结果取决于初始聚类中心的选取；d.通过男女训练样本对支持向量回归机进行训练得到一组参数值，支持向量回归机(Support Vector Regression，简称SVR)，支持向量回归机算法是支持向量机方法在回归问题上的推广。通过引入不敏感损失函数和核函数，可以很好地应用于非线性回归分析， 并且对小样本集问题具有良好的预测性能；e.将各种融合规则和不同融合规则的分类精度进行比较。本发明的复杂环境下性别特征的提取方法的有益效果是采用动态聚类方法，能够快速方便准确地计算出平均识别率，其收敛速度快。
具体实施例方式本发明的复杂环境下性别特征的提取方法，包括性别特征的提取，其具体步骤如下首先提取人体的人脸、肤色、发型、装饰的特征，人脸特征包括整体特征和局部特征；其次，通过线性判别方法提取训练检测到的人体的特征和利用Fisher方法提取训练样本和目标图像的特征；再，通过动态聚类方法对目标图像进行分类并计算单分类器的平均识别率；然后，通过男女训练样本对支持向量回归机进行训练得到一组参数值，利用训练好的SVR对测试样本进行分类；最后，将各种融合规则和不同融合规则的分类精度进行比较。以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
权利要求
1. 一种复杂环境下性别特征的提取方法，包括性别特征的提取，其特征是其具体步骤如下a.提取人体的人脸、肤色、发型、装饰的特征；b.通过线性判别方法提取训练检测到的人体的特征和利用Fisher方法提取训练样本和目标图像的特征；c.通过动态聚类方法对目标图像进行分类并计算单分类器的平均识别率；d.通过男女训练样本对支持向量回归机进行训练得到一组参数值；e.将各种融合规则和不同融合规则的分类精度进行比较。
全文摘要
本发明涉及复杂环境下性别特征的提取方法，包括性别特征的提取，其具体步骤如下a.提取人体的人脸、肤色、发型、装饰的特征；b.通过线性判别方法提取训练检测到的人体的特征和利用Fisher方法提取训练样本和目标图像的特征；c.通过动态聚类方法对目标图像进行分类并计算单分类器的平均识别率；d.通过男女训练样本对支持向量回归机进行训练得到一组参数值；e.将各种融合规则和不同融合规则的分类精度进行比较。本发明的复杂环境下性别特征的提取方法，采用动态聚类方法，能够快速方便准确地计算出平均识别率，其收敛速度快。
文档编号G06K9/00GK102368294SQ20111026474
公开日2012年3月7日 申请日期2011年9月7日 优先权日2011年9月7日
发明者刘华平, 吴军, 吴智君 申请人:常州蓝城信息科技有限公司