基于人脸图像的性别识别方法及系统的制作方法
【专利摘要】本发明揭示了一种基于人脸图像的性别识别方法及系统，所述方法包括如下步骤：步骤S1、对人脸图像进行预处理；首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理；步骤S2、采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征；步骤S3、通过SVM模型进行性别识别。本发明提出的性别识别方法及系统，可以根据人脸图形识别出人脸的性别，提高识别的准确度。
【专利说明】基于人脸图像的性别识别方法及系统
【技术领域】
[0001]本发明属于人脸识别【技术领域】，涉及一种人脸识别系统，尤其涉及一种基于人脸图像的性别识别方法；同时，本发明还涉及一种基于人脸图像的性别识别系统。
【背景技术】
[0002]随着生物识别技术在人机交互、身份验证、人口统计等方面的广泛应用，性别识别作为其重要分支引起国内外越来越多的学者对其进行研究。人脸拥有人类生物特征的重要信息，可以表达人与人之间的社会互动，基于人脸图像的性别识别是人脸图像分类的典型应用。随着智能手机的广泛使用和手机摄像头质量的提高，手机作为最便捷的图像采集设备，在人脸图像的性别识别将会起到至关重要的角色。
[0003]早期的人脸图像的性别识别的研究，主要解决单一受控条件下的人脸图像的性别识别。这些图像一般是图像的正面、干净的背景、没有遮挡和一致的光照。然而在通过手机拍摄的图像中，人脸图像总是受到环境的影响，如姿态变化、光照变化，尤其是一些孩子的图像。对于性别识别问题，在分类模型已知的支持向量机模型(Support Vector Machine,SVM)的情况下，最关键的就是进行图像的处理。
[0004]然而如今还没有比较好的处理方法，使得现有性别识别准确度不高。有鉴于此，如今迫切需要设计一种新的性别识别方式，以克服现有识别方式的上述缺陷。
【发明内容】
[0005]本发明所要解决的技术问题是:提供一种基于人脸图像的性别识别方法，可根据人脸图形识别出人脸的性别，提高识别的准确度。
[0006]此外，本发明还提供一种基于人脸图像的性别识别系统，可根据人脸图形识别出人脸的性别，提高识别的准确度。
[0007]为解决上述技术问题，本发明采用如下技术方案:
[0008]一种基于人脸图像的性别识别方法，所述方法包括如下步骤:
[0009]步骤S1、对人脸图像进行预处理；首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理；
[0010]步骤S2、采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征；
[0011]步骤S3、通过SVM模型进行性别识别；
[0012]其中，步骤SI具体包括:
[0013]步骤SI 1、图像灰度化处理步骤；
[0014]现实生活中的图像由红色R、绿色G、蓝色B三种原色按不同比例组成；图像灰度化的方式是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为:
[0015]Gray=(9798R+19235G+3735B)/32768 (1)
[0016]其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量；
[0017]步骤S12、几何归一化步骤；
[0018]通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化；
[0019]把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”;
[0020]步骤S13、剪裁步骤；
[0021]为了去除图像背景部分的干扰，对人脸图像进行剪裁；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:
[0022]wf = hf = de/10X24 (2)
[0023]I = (x1+xr) /2-wf/2 (3)
[0024]r = 1+wf (4)
[0025]t = ye-hf/3.5 (5)
[0026]b = t+hj (6)
[0027]其中，wf是脸部区域的宽度，hf是脸部区域的高度，尤是两眼的距离，l、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标；
[0028]步骤S14、直方图均衡化步骤；
[0029]为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布；
[0030]其中，步骤S3具体包括:
[0031]在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:
[0032]f (X) = a □ Xi+b (7)
[0033]式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) ≥1时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。
[0034]一种基于人脸图像的性别识别方法，所述方法包括如下步骤:
[0035]步骤S1、对人脸图像进行预处理；
[0036]步骤S2、采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征；
[0037]步骤S3、通过SVM模型进行性别识别。
[0038]作为本发明的一种优选方案，所述步骤SI包括:首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。
[0039]作为本发明的一种优选方案，所述步骤SI具体包括:
[0040]步骤SI 1、图像灰度化处理步骤；
[0041]现实生活中的图像由红色R、绿色G、蓝色B三种原色按不同比例组成；图像灰度化的方式是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为:
[0042]Gray=(9798R+19235G+3735B)/32768 (I)
[0043]其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量；
[0044]步骤S12、几何归一化步骤；
[0045]通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化；
[0046]把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”;
[0047]步骤S13、剪裁步骤；
[0048]为了去除图像背景部分的干扰，对人脸图像进行剪裁；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:
[0049]wf = hf = de/10X24 (2)
[0050]I = (xx+xr) / 2-wf/ 2 (3)
[0051]r = I+wf (4)
[0052]t = ye-hf/3.5 (5)
[0053]b = t+hj (6)
[0054]其中，wf是脸部区域的宽度，hf是脸部区域的高度，尤是两眼的距离，l、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标；
[0055]步骤S14、直方图均衡化步骤；
[0056]为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化；直方图均衡化处理 的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
[0057]作为本发明的一种优选方案，所述步骤S3具体包括:
[0058]在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:[0059]f (X) = a □ Xj+b (7)
[0060]式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) ≥ I时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。
[0061]一种基于人脸图像的性别识别系统，所述系统包括:
[0062]图像预处理模块，用以对人脸图像进行预处理；
[0063]特征提取模块，用以采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征；
[0064]性别识别模块，用以通过SVM模型进行性别识别。
[0065]作为本发明的一种优选方案，所述图像预处理模块首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。
[0066]作为本发明的一种优选方案，所述图像预处理模块具体包括:图像灰度化处理单元、几何归一化处理单元、剪裁单元、直方图均衡化单元；
[0067]-所述图像灰度化处理单元用以通过遍历图像的方式对图像进行灰度化处理；首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为:
[0068]Gray=(9798R+19235G+3735B)/32768 (I)
[0069]其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量；
[0070]-几何归一化处理单元，通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化；
[0071]把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”;
[0072]-剪裁单元，用以对人脸图像进行剪裁，以去除图像背景部分的干扰；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:
[0073]wf = hf = de/10X24 (2)
[0074]I = (xx+xr) /2~wf/2 (3)
[0075]r = I+wf (4)
[0076]t = ye-hf/3.5 (5)
[0077]b = t+hj (6)
[0078]其中，wf是脸部区域的宽度，hf是脸部区域的高度，尤是两眼的距离，l、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1、Xr和Ie是两只眼睛在人脸图像中的位置坐标；
[0079]-直方图均衡化单元，用以对人脸样本图像进行直方图均衡化，以减少光照对人脸图像灰度分布的影响；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
[0080]作为本发明的一种优选方案，所述性别识别模块在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，-1}，则存在:
[0081]f (X) = a □ Xj+b (7)
[0082]式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) ≥ I时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。
[0083]本发明的有益效果在于:本发明提出的基于人脸图像的性别识别方法及系统，可根据人脸图像识别出人的性别。本设计在对图像进行预处理之后，采用一种新的人脸检测和复合LBP图像特征提取方式进行图像面部特征的提取，最终通过SVM模型进行性别识别，可以提高识别效率及精确度。
【专利附图】
【附图说明】
[0084]图1为本发明基于人脸图像的性别识别方法的流程图。
[0085]图2为本发明基于人脸图像的性别识别系统的组成示意图。
[0086]图3为实施例二中本发明识别方法的流程示意图。
[0087]图4为实施例二中单纯的LBP记录像素点与其周围像素点的对比信息示意图。【具体实施方式】
[0088]下面结合附图详细说明本发明的优选实施例。
[0089]实施例一
[0090]请参阅图1，本发明揭示了一种基于人脸图像的性别识别方法，所述方法包括如下步骤:
[0091]【步骤SI】人脸检测步骤。
[0092]在之前的研究中，人脸检测算法大部分都是在正面人脸图像的基础上提出的，为了能够更好的满足现实生活的需求，本发明采用金字塔结构的Adaboost人脸检测器。金字塔结构的人脸检测器实现了运用由粗到精的策略实现多姿态人脸检测。
[0093]在这个金字塔结构中，最顶层的检测器可以实现全姿态的人脸图像的检测，其余几层只能够对某一姿态的人脸进行检测，而且，越是底层，检测器处理姿态的范围就越小，结构越复杂；越是顶层，检测器处理姿态的范围就越大，数目也就越少。从而实现在每层都能够去掉大了的背景，从而提高检测效率。
[0094]本发明金字塔结构设计为三层:顶层设置一个检测器；中间层设置三个检测器，分别用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范围内的人脸检测；底层设置五个检测器，分别用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范围内的人脸检测。
[0095]【步骤SI】对人脸图像进行预处理；首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。具体包括:
[0096]步骤SI 1、图像灰度化处理步骤；
[0097]现实生活中的图像由红色R、绿色G、蓝色B三种原色按不同比例组成；图像灰度化的方式是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为:
[0098]Gray=(9798R+19235G+3735B)/32768 (I)
[0099]其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量。
[0100]步骤S12、几何归一化步骤；
[0101]通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化；
[0102]把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”。
[0103]步骤S13、剪裁步骤；
[0104]为了去除图像背景部分的干扰，对人脸图像进行剪裁；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:
[0105]wf = hf = de/10X24 (2)
[0106]I = (xx+xr) / 2~wf/2 (3)
[0107]r = I+wf (4)
[0108]t = ye-hf/3.5 (5)
[0109]b = t+hj (6)
[0110]其中，wf是脸部区域的宽度，hf是脸部区域的高度，尤是两眼的距离，l、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标。
[0111]步骤S14、直方图均衡化步骤；
[0112]为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
[0113]【步骤S2】采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征；
[0114]【步骤S3】通过 SVM模型进行性别识别；
[0115]其中，步骤S3具体包括:
[0116]在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:[0117]f (X) = a □ Xj+b (7)
[0118]式中:Xi为训练样本的人脸图像的性别特征数据；当f(x) ≥1时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。
[0119]本发明还揭示一种基于人脸图像的性别识别系统，所述系统包括:人脸检测模块
1、图像预处理模块2、特征提取模块3、性别识别模块4。
[0120]人脸检测模块I采用金字塔结构的Adaboost人脸检测器。金字塔结构的人脸检测器实现了运用由粗到精的策略实现多姿态人脸检测。在这个金字塔结构中，最顶层的检测器可以实现全姿态的人脸图像的检测，其余几层只能够对某一姿态的人脸进行检测，而且，越是底层，检测器处理姿态的范围就越小，结构越复杂；越是顶层，检测器处理姿态的范围就越大，数目也就越少。从而实现在每层都能够去掉大了的背景，从而提高检测效率。
[0121]本发明金字塔结构设计为三层:顶层设置一个检测器；中间层设置三个检测器，分别用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范围内的人脸检测；底层设置五个检测器，分别用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范围内的人脸检测。
[0122]图像预处理模块2用以对人脸图像进行预处理；首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。
[0123]所述图像预处理模块2具体包括:图像灰度化处理单元21、几何归一化处理单元22、剪裁单元23、直方图均衡化单元24。
[0124]所述图像灰度化处理单元21用以通过遍历图像的方式对图像进行灰度化处理；首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为:
[0125]Gray=(9798R+19235G+3735B)/32768 (I)
[0126]其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量。
[0127]几何归一化处理单元22通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化。
[0128]把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”。
[0129]剪裁单元23用以对人脸图像进行剪裁，以去除图像背景部分的干扰；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:
[0130]wf = hf = de/10X24 (2)
[0131]I = (xx+xr) / 2~wf/2 (3)
[0132]r = I+wf (4)
[0133]t = ye-hf/3.5 (5)
[0134]b = t+hj (6)[0135]其中，wf是脸部区域的宽度，hf是脸部区域的高度，de是两眼的距离，1、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标。
[0136]直方图均衡化单元24用以对人脸样本图像进行直方图均衡化，以减少光照对人脸图像灰度分布的影响；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
[0137]特征提取模块3用以采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征。
[0138]性别识别模块4用以通过SVM模型进行性别识别。本实施例中，所述性别识别模块在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:
[0139]f (X) = a □ Xj+b (7)
[0140]式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) > I时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。
[0141]实施例二
[0142]本发明性别识别系统中，人脸图像的性别识别具体可以分为人脸检测模块、图像预处理模块、面部特征提取模块和性别分类模块四部分组成，如图3所示。在本发明中，首先对人脸图像进行检测和校准，然后使用中值滤波去除噪声，在采用复合LBP进行特征提取，最后通过SVM模型进行性别识别。
[0143]基于人脸图像的性别识别的核心是特征提取和分类方法的选择。在之前的研究中，基于人脸面部特征的性别识别大都基于人脸识别的特征提取和分类方法。
[0144]因实际环境对人脸性别识别分类的正确影响很大，因此对获得的图像必须进行预处理，即任意给定一幅图像，首先必须检测图像中是否存在人脸，若存在，则从图像中的提取出人脸面部区域，经图像灰度化、几何归一化、剪裁和直方图均衡化后，提取脸部特征，最后用性别识别算法对人脸图像进行分类得到分类结果。
[0145]2.1人脸检测模块
[0146]在之前的研究中，人脸检测算法大部分都是在正面人脸图像的基础上提出的，为了能够更好的满足现实生活的需求，本发明采用金字塔结构的Adaboost人脸检测器。金字塔结构的人脸检测器实现了运用由粗到精的策略实现多姿态人脸检测。
[0147]在这个金字塔结构中，最顶层的检测器可以实现全姿态的人脸图像的检测，其余几层只能够对某一姿态的人脸进行检测，而且，越是底层，检测器处理姿态的范围就越小，结构越复杂；越是顶层，检测器处理姿态的范围就越大，数目也就越少。从而实现在每层都能够去掉大了的背景，从而提高检测效率。
[0148]本发明金字塔结构设计为三层:顶层设置一个检测器；中间层设置三个检测器，分别用于[-90°，-40° ]、[-30°，30° ]、[40° ,90° ]范围内的人脸检测；底层设置五个检测器，分别用于[-90°，-60。]、[-60°，-20。]、[-20°，20。]、[20。，60。]和[60° ,90° ]范围内的人脸检测。
[0149]2.2图像预处理模块
[0150]实际生活中，由于受到外界环境的干扰，采集到的图像经常会带有很多噪声和干扰信号，尤其是面部图像，对于人脸图像的性别识别会产生较大的影响。因此在对人脸图像进行特征提取以前，进行数字图像预处理是非常必要的。由于人脸图像细节的高频率与噪声混合。当使用低通滤波，图像中的一些细节可能会被破坏。由于中值滤波法对消除椒盐噪声非常有效，有利于保护边缘信息。从而我们采用中值滤波去除噪声，从而可以成功减少噪声变化不大的脸部纹理信息。
[0151]对于一幅显示的人脸图像，首先使之转换成灰度图像。然后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像。最后进行直方图均衡化对面部区域去噪处理。
[0152]图像预处理模块包括图像灰度化单元、几何归一化处理单元、剪裁单元、直方图均衡化单元。
[0153]2.2.1图像灰度化单元
[0154]现实生活中的图像由R (红色)、G (绿色)、B (蓝色)三种原色按不同比例组成。图像灰度化的基本思想是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值。灰度值转换公式为:
[0155]Gray=(9798R+19235G+3735B)/32768 (I)
[0156]其中Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量。
[0157]2.2.2几何归一化处理单元
[0158]几何归一化是通过尺度校正、平移、旋转等方法，去除图像中的结构变形，使人脸图像标准化。
[0159]人脸是非刚性的，而且同一个体的样本也会因为表情的不同而导致图像产生较大差异，但是经验发现:两眼之间的距离相对其他改变而言变化最小，从而可以把双眼的位置和距离作为人脸图像几何归一化的依据。
[0160]依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”。而且，也可以以眼睛的位置为基准，将人脸中的其它部位如嘴巴、鼻子等的位置也缩放到合理位置，从而实现所有人脸的“对齐”。
[0161]2.2.3剪裁单元
[0162]为了去除图像背景部分的干扰，需要对人脸图像进行剪裁。本发明以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像。脸部区域具体由下式确定:
[0163]wf = hf = de/10X24 (2)
[0164]I = (xx+xr) / 2~wf/2 (3)
[0165]r = I+wf (4)
[0166]t = ye-hf/3.5 (5)
[0167]b = t+hj (6)[0168]其中，wf是脸部区域的宽度，hf是脸部区域的高度，de是两眼的距离，1、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标。
[0169]2.2.4直方图均衡化单元
[0170]为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
[0171]2.3面部特征提取模块
[0172]2.3.1 LBP 算法
[0173]单纯的LBP记录像素点与其周围像素点的对比信息，如图4所示。最左边(Example)为原图，中间方格的像素值为阈值，大于等于中心点像素设为1，小于则设为O。最后将中心像素点周围的11110001 二进制数化为十进制数，即为LBP值。其中，Pattern=I1110001 ;LBP=128+64+32+16+l=241。
[0174]但是基本LBP算法描述特征能力有限，而且不具备旋转不变性。随后，这个算法有两种扩展。首先，运用大小不同的邻域扩展这个算法来获得不同尺度的显著特征。符号(P，R)描述了在一个以R为半径的圆上，P等间隔采样点的一个邻域。其次，采用2P模型的一个小子集，它由LBP (P，R)生成，以描述图像的纹理。这些模型，称为统一模型，当被视为一个循环二进制串时，包含至多两个从O到I或反之亦然的按位转换。观察发现大部分的纹理信息被包含在统一模型。将一个屈服于LBP算法的单一标记与有超过2个转换的模型记为LBP(P，R，u2)，它能避免冗余模型没有丢失太多的信息。在标记有一个LBP的图像之后，这个标记图像的直方图可以作为纹理描述符。
[0175]2.3.2 复合 LBP
[0176]本发明提出了一种新的特征提取方法，即把两个归一化LBP，合并成一个新的LBP。首先，将图像缩放一些倍数，例如，如果希望将图像缩放至原来的四倍，然后计算出的4个像素的平均强度，其结果是，我们将得到一个新的矩阵，其中有1/4的最初矩阵。其次把人脸图像按照不同的LBP直方图区域大小分成几个区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征。这样能够很好的融合人脸图像的局部纹理和全局信息，以减少信息的丢失。
[0177]2.4性别识别模块(采用SVM分类器)
[0178]人脸性别识别问题需要解决的另一个关键问题就是性别分类器的选择。本发明用支持向量机(Support Vector Machine,简称SVM)进行性别识别。SVM是一种基于结构风险最小化原则(Structure Risk Minimization,简称SRM)的通用学习算法,基本思想是在样本输入控件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，从而获得最好的泛化能力。
[0179]在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:
[0180]f (X) = a □ Xj+b (7)
[0181]式中:Xi为训练样本的人脸图像的性别特征数据。当f(x) ≥ I时，Xi表示为男性；同理当f (X)≤-1时，Xi表示为女性。[0182]综上所述，本发明提出的基于人脸图像的性别识别方法及系统，可根据人脸图像识别出人的性别。本设计在对图像进行预处理之后，采用一种新的人脸检测和复合LBP图像特征提取方式进行图像面部特征的提取，最终通过SVM模型进行性别识别，可以提高识别效率及精确度。
[0183]这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。
【权利要求】
1.一种基于人脸图像的性别识别方法，其特征在于，所述方法包括如下步骤: 步骤S1、对人脸图像进行预处理；首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理； 步骤S2、采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征； 步骤S3、通过SVM模型进行性别识别； 其中，步骤SI具体包括: 步骤SI 1、图像灰度化处理步骤； 现实生活中的图像由红色R、绿色G、蓝色B三种原色按不同比例组成；图像灰度化的方式是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量 ； 步骤S12、几何归一化步骤； 通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化； 把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”;或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”； 步骤S13、剪裁步骤； 为了去除图像背景部分的干扰，对人脸图像进行剪裁；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:wf = hf = de/10X24 (2)
I = (x!+xr) / 2-wf/2 (3)
r = I+wf (4)
t = ye-hf/3.5 (5)
b = t+hj (6) 其中，wf是脸部区域的宽度，hf是脸部区域的高度，de是两眼的距离，1、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标； 步骤S14、直方图均衡化步骤； 为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布；其中，步骤S3具体包括: 在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:f (X) = a □ Xj+b (7) 式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) > I时，Xi表示为男性；同理当f(x)≤-1时，Xi表示为女性。
2.一种基于人脸图像的性别识别方法，其特征在于，所述方法包括如下步骤: 步骤S1、对人脸图像进行预处理； 步骤S2、采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征； 步骤S3、通过SVM模型进行性别识别。
3.根据权利要求2所述的基于人脸图像的性别识别方法，其特征在于: 所述步骤SI包括:首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来， 获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。
4.根据权利要求3所述的基于人脸图像的性别识别方法，其特征在于: 所述步骤SI具体包括: 步骤SI 1、图像灰度化处理步骤； 现实生活中的图像由红色R、绿色G、蓝色B三种原色按不同比例组成；图像灰度化的方式是遍历图像，首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量； 步骤S12、几何归一化步骤； 通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化； 把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”;或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”； 步骤S13、剪裁步骤； 为了去除图像背景部分的干扰，对人脸图像进行剪裁；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:wf = hf = de/10X24 (2)
I = (x!+xr) / 2-wf/2 (3)
r = I+wf (4)t = ye-hf/3.5 (5) b = t+hj (6) 其中，wf是脸部区域的宽度，hf是脸部区域的高度，de是两眼的距离，1、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标； 步骤S14、直方图均衡化步骤； 为减少光照对人脸图像灰度分布的影响，对人脸样本图像进行直方图均衡化；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
5.根据权利要求2所述的基于人脸图像的性别识别方法，其特征在于: 所述步骤S3具体包括: 在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，_1}，则存在:f (X) = a □ Xi+b (7) 式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) > 1时，Xi表示为男性；同理当f(x)≤-1时，Xi表示为女性。
6.一种基于人脸图像的性别识别系统，其特征在于，所述系统包括: 图像预处理模块，用以对人脸图像进行预处理； 特征提取模块，用以采用复合LBP进行特征提取；采用缩放LBP对图像进行缩放设定倍数；而后采用多尺度LBP，即把人脸图像按照不同的LBP直方图区域大小分成若干区域，对该图像以及每一块划分区域，均进行LBP特征的提取，然后把所有的LBP直方图特征组合在一起，作为该图像的多尺度LBP特征； 性别识别模块，用以通过SVM模型进行性别识别。
7.根据权利要求6所述的基于人脸图像的性别识别系统，其特征在于: 所述图像预处理模块首先将其转换成灰度图像；而后根据眼睛的位置将脸部区域图像从整幅图像中剪裁出来，获得脸部图像；最后进行直方图均衡化对面部区域去噪处理。
8.根据权利要求7所述的基于人脸图像的性别识别系统，其特征在于: 所述图像预处理模块具体包括:图像灰度化处理单元、几何归一化处理单元、剪裁单元、直方图均衡化单元； -所述图像灰度化处理单元用以通过遍历图像的方式对图像进行灰度化处理；首先得到每个像素点的RGB值，在通过运算分别提取出红、绿、蓝的值，最终通过灰度转换公式确定每个像素点的灰度值；灰度值转换公式为: Gray=(9798R+19235G+3735B)/32768 (I) 其中，Gray代表转换后的灰度值，R、G、B分别代表图像中每一个像素点的红色、绿色和蓝色分量； -几何归一化处理单元，通过尺度校正、平移、旋转方法，去除图像中的结构变形，使人脸图像标准化； 把双眼的位置和距离作为人脸图像几何归一化的依据；依据两眼的位置，首先通过二维仿射变换，旋转人脸图像使两眼之间的连线保持水平，同时缩小或放大图像，使得同一人脸库中的人脸图像以眼睛为准进行“对齐”；或者以眼睛的位置为基准，将人脸中的其它部位的位置也缩放到合理位置，从而实现所有人脸的“对齐”; -剪裁单元，用以对人脸图像进行剪裁，以去除图像背景部分的干扰；以眼睛之间的距离为依据，两眼的中心点作为参照中心，分别沿参照中心的上、下、左、右的方向延伸，切割出一定大小的脸部区域图像；脸部区域具体由下式确定:wf = hf = de/10X24 (2)
l= (x1+xr) / 2-wf/2 (3)
r = I+wf (4)
t = ye-hf/3.5 (5)
b = t+hj (6) 其中，wf是脸部区域的宽度，hf是脸部区域的高度，de是两眼的距离，1、r、t和b确定了脸部区域在人脸图像中的上、下、左、右的边界位置，X1^Xr和Ie是两只眼睛在人脸图像中的位置坐标； -直方图均衡化单元，用以对人脸样本图像进行直方图均衡化，以减少光照对人脸图像灰度分布的影响；直方图均衡化处理的目的是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
9.根据权利要求6所述的基于人脸图像的性别识别系统，其特征在于: 所述性别识别模块在样本输入控件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，从而获得最好的泛化能力；在人脸图像的性别识别的问题中，只有男和女2个类别，类别属性为{1，-1}，则存在:f (X) = a □ Xi+b (7) 式中:Xi为训练样本的人脸图像的性别特征数据；当f (X) ≥1时，Xi表示为男性；同理当f(x)≤-1时，Xi表示为女性。
【文档编号】G06K9/00GK103914683SQ201310753988
【公开日】2014年7月9日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】李保印 申请人:闻泰通讯股份有限公司