基于人种分类的多特征性别判断方法
【专利摘要】基于人种分类的多特征性别判断方法，它包括如下步骤：1)通过AdaBoost人脸检测算法，得到人脸区域；2)通过双眼位置剪裁人脸区域；3)构建蒙古人、高加索人、尼格罗人的人脸人种分类器图像训练集；4)对训练集图像进行特征提取；5)采用SVM方法训练人种分类器；6)将人脸与人眼的特征组合起来作为性别判断特征；7)在提取特征向量后，在各个不同人种下，采用SVM训练各自的性别分类器；8)对一幅未知性别的人脸图像，检测人脸后通过预处理并提取特征后，首先判断其所属人种，在得到人种后，再用该人种对应的分类器进行性别的判断；该方法解决不同人种性别存在的差异，极大提高人脸性别判断准确率。
【专利说明】基于人种分类的多特征性别判断方法
【技术领域】
[0001]本发明涉及一种基于人脸种族分类方法的性别判断方法，特别是一种基于人脸部多种特征并采用机器学习技术的多人种的人脸性别的判断方法，属于图像处理【技术领域】。
技术背景
[0002]随着人员流动增强，安全监控对城市的安全发展起着日益重要的作用，视频监控也被越来越多的应用于公众场合，以保障人们日常生活的安全。随着应用场合的增加，市场对智能视频监控的需求也越来越大。
[0003]人脸蕴藏着丰富的生物信息，人类可通过人脸判别出该个体身份、性别、种族、年龄、表情等信息。随着计算机视觉技术的发展，人脸识别技术也逐渐得到推广使用，随着科技的发展与应用，简单的人脸身份的判别已不能满足日趋多样化日常应用。现实应用，如智能安全监控中还希望通过人脸判别更多的信息，如人脸性别，年龄，种族等信息，以记录监控人员更多信息，同时也实现不同类别的人员统计。同时判别出人脸属性后，如性别，可以统计该属性人员类别的不同习惯，用于提供更个性化的服务。
[0004]人脸分析已较广泛的应用与安全监控领域，在一些公共场合，如车站，机场，地铁，营业大厅内等人员流动较大的场所，都需要对出入人员进行统计，通过分析记录人脸所蕴含的信息，如性别，年龄，种族，能快速的搜索目标人群，如根据人员某一特征，如所属性别类别进行目标人物快速检索，同时实现不同类别的人员统计，采集更多的人员信息，用于后续分析，同时在鉴别出人脸所属性别后，更利于人脸的年龄信息的判断，同时为人脸识别提供更丰富的信息，提供人脸识别准确率。
[0005]人脸性别判别，作为人脸分析的一个领域，又与人脸所属种族有着一定的联系，不同种族人群的性别以不一样的模式呈现。目前现有的人种大致可划分为蒙古人(Mongolian)、高加索人(Caucasian)、尼格罗人(Negroid)三类,其中蒙古人种主要分布在中、东亚区域，高加索人种主要分布欧洲，北美洲以及大洋洲，而尼格罗人主要分布在非洲、拉美、北美以及大洋洲、欧洲部分区域。随着经济的全球一体化，交通的日益发达，人员流动日益增强，各类种族分布并不是只局限于某一区域，几乎在全球各个区域都有这三类种族人员的存在，同时在三类种族之间还存在不同种族混血的情况，对于混血的情况，其面部体现的特征仍会更倾向于某一种族，最终的判别标准以面部特征更倾向于的一方为准，而不同人种之间又性别差异又以不同的方式呈现，如蒙古人种性别差异主要体现在眼睛区域，而高加索人种性别差异更明显，而尼格罗人性别差异更需要五官各个细节的对比，所以如果单纯的使用所有人种进行性别判断，某些人种性别判断的准确率将受影响。
【发明内容】
[0006]为解决上述技术问题，解决不同人种性别存在的差异，提高人脸性别判断准确率，本发明的目的是提供一种基于人种分类的多特征性别判断方法；该方法在进行性别判断前，先对人脸所属人种做判断，然后在所属人种内做性别的判断。首先是提取全局的脸部特征，同时提取局部的人脸眼部特征，最后两种特征融合作为性别判断的特征向量。
[0007]为实现上述目的，本发明采用了如下技术方案:基于人种分类的多特征性别判断方法，具体实施步骤如下:
[0008]步骤I)通过AdaBoost人脸检测算法，检测人脸图像，得到人脸区域；
[0009]步骤2)对步骤I得到的人脸区域，采用眼睛定位法，通过双眼位置剪裁人脸区域，使裁剪后的人脸区域恰好包含整个人脸图像，并将人脸图像归一化处理；
[0010]步骤3)将提取出的人脸图像按人种划分为蒙古人、高加索人、尼格罗人三类，构建人脸人种分类器图像训练集；
[0011]步骤4)对训练集图像进行特征提取，对人脸图像原始像素数据进行PCA变换后，采用LDA分析方法提取脸部特征；
[0012]步骤5)采用SVM方法训练人种分类器；
[0013]步骤6)针对各个不同人种训练集图像下，又分别将图像集划分为男性，女性两个类别，对每幅训练集图像，采用LBP算子，提取人脸LBP直方图特征，同时针对人眼部位，使用gabor滤波,然后再使用LBP统计其直方图,最后获得人眼的LBP gabor直方图,最后将人脸与人眼的特征组合起来作为性别判断特征；
[0014]步骤7)在提取特征向量后，在各个不同人种下，采用SVM训练各自的性别分类器；
[0015]步骤8)对一幅未知性别的人脸图像，检测人脸后，通过预处理，提取特征后，首先判断其所属人种，在得到人种后，再用该人种对应的性别分类器进行性别的判断。
[0016]作为优选，步骤2)所述的图像尺寸归一化处理的尺寸为32X32。
[0017]作为优选，步骤2)所述的裁剪后的人脸区域为方形区域，裁剪后的脸部边缘离眼睛的距离为0.25倍人脸宽度,眼睛离额头的距离为0.25倍人脸宽度。
[0018]作为优选，步骤6)所述归一化处理后的图像，以两眼位置为中心，眼部上边缘离人眼中心位置为7个像素，眼部下边缘离人眼位置5像素，人眼部宽仍然采用图像宽度，形成眼部区域为32X12的矩形区域。
[0019]作为优选，步骤6)所述的计算人脸LBP直方图特征采用的方法为:由于正面人脸大致成对称分布，故将人脸划分为3X3的子块，分别计算各子块图像的LBP直方图，然后将这些直方图组合为一行向量，作为特征向量。
[0020]本发明的有益效果是:本发明所述的方法在进行性别判断前，先对人脸所属人种做判断，然后在所属人种内做性别的判断。首先是提取全局的脸部特征，同时提取局部的人脸眼部特征，最后两种特征融合作为性别判断的特征向量。解决了不同人种性别存在的差异，极大提高人脸性别判断准确率。
【专利附图】
【附图说明】
[0021]图1为本发明的基于人种分类的性别判断流程图。
[0022]图2为本发明的为人脸剪裁比例示意图。
[0023]图3为本发明的分类器训练示意图。
[0024]图4为本发明的LBP算子示意图。
[0025]图5为本发明的人脸子块划分示意图。【具体实施方式】
[0026]下面结合具体实施例对本发明作进一步说明:
[0027]如图1和图3所示，基于人种分类的多特征性别判断方法，该方法首先对未知人脸图像进行预处理，然后进行特征提取，再分别经过蒙古人、高加索人和尼格罗人的人脸种族分类器后，在这三种人脸种族分类器后分别经过性别分类器，得到结果后输出。具体步骤如下:
[0028]步骤I使用人脸检测算法获得脸部区域。
[0029]步骤2对步骤I获得的人脸图像做预处理，转换为灰度图像，并利用直方图均衡化做光照的归一化处理。同时并检测双眼位置，判断人脸是否有倾斜，若有倾斜则通过双眼位置旋转人脸，得到正面人脸图像。同时因为人脸人种以及性别的差异主要集中在五官区域，为了消除发型，背景等对分类的影响，可通过双眼位置，对人脸按照一定比例进行剪裁，并将人脸尺寸归一化到32x32的尺寸。
[0030]步骤3将提取出的人脸按照人种分为蒙古人、高加索人、尼格罗人三类，构建人脸人种训练集。
[0031]本发明训练集图像包含了大量公开人脸图像数据库和互联网采集的多人种男女性图像，包括FERET、MIT、FDDB、KFDB等数据库，高加索人、尼格罗人和蒙古人都有足够的代表样本，每类人种样本超过12000张图像。同时为了加强对混血人脸情况的处理，还搜集了混血的网络图像，在每一类种族样本中都添加一定比例的混血图像，使混血图像占该类总样本的1/4，并且选定的混血人脸面部体现的特征更倾向于其归属的人种类别。这样通过SVM训练出来的分类器具有 较强的泛化能力。
[0032]步骤4对所有训练集图像X提取人脸特征，对图像原始像素数据进行PCA变换，PCA分析实施过程具体如下:
[0033]计算协方差矩阵:
[0034]5 =-w)(jf; ~?)Τ
[0035]其中:
I ?
[0036]U =一V X1
[0037]对协方差矩阵进行特征值分解:
[0038]S= Φ Λ Φτ
[0039]选取前k个最大特征值对应的特征向量，组成新的投影矩阵:
[0040]Wpca = ( Φ 1； Φ 2，...，Φ k},
[0041]经过PCA变换后的低维数据为:
[0042]P = (X-U) Wpca
[0043]其中Wpc;a为PCA分析得到的投影矩阵。对于分类问题，LDA分析方法能提取更具判别的信息。LDA分析是寻求一个投影使原始数据投影到低维的空间中能线性可分假设将蒙古人、高加索人、尼格罗人三类类别分别以标签#1，#2, #3三个类别来表示。
[0044]LDA具体实施过程如下:
[0045]计算各类内方差:
[0046]
【权利要求】
1.基于人种分类的多特征性别判断方法，其特征在于它包括如下步骤: 步骤I)通过AdaBoost人脸检测算法，检测人脸图像，得到人脸区域； 步骤2)对步骤I得到的人脸区域，采用眼睛定位法，通过双眼位置剪裁人脸区域，使裁剪后的人脸区域恰好包含整个人脸图像，并将人脸图像归一化处理； 步骤3)将提取出的人脸图像按人种划分为蒙古人、高加索人、尼格罗人三类，构建人脸人种分类器图像训练集； 步骤4)对训练集图像进行特征提取，对人脸图像原始像素数据进行PCA变换后，采用LDA分析方法提取脸部特征； 步骤5)采用SVM方法训练人种分类器； 步骤6)针对各个不同人种训练集图像下，又分别将图像集划分为男性，女性两个类另O，对每幅训练集图像，采用LBP算子，提取人脸LBP直方图特征，同时针对人眼部位，使用gabor滤波,然后再使用LBP统计其直方图,最后获得人眼的LBP gabor直方图,最后将人脸与人眼的特征组合起来作为性别判断特征； 步骤7)在提取特征向量后，在各个不同人种下，采用SVM训练各自的性别分类器；步骤8)对一幅未知性别的人脸图像，检测人脸后，通过预处理，提取特征后，首先判断其所属人种，在得到人种后，再用该人种对应的性别分类器进行性别的判断； 步骤9最后输出判别结果。
2.根据权利要求1所述的基于人种分类的多特征性别判断方法，其特征在于步骤2)所述的图像尺寸归一化处理的尺寸为32X32。
3.根据权利要求1所述的基于人种分类的多特征性别判断方法，其特征在于步骤2)所述的裁剪后的人脸区域为方形区域，裁剪后的脸部边缘离眼睛的距离为0.25倍人脸宽度，眼睛离额头的距离为0.25倍人脸宽度。
4.根据权利要求1所述的基于人种分类的多特征性别判断方法，其特征在于步骤6)所述归一化处理后的图像，以两眼位置为中心，眼部上边缘离人眼中心位置为7个像素，人脸下边缘离人眼位置5像素，人眼部宽仍然采用图像宽度，形成眼部区域为32X12的矩形区域。
5.根据权利要求1所述的基于人种分类的多特征性别判断方法，其特征在于步骤6)所述的计算人脸LBP直方图特征采用的方法为:由于正面人脸大致成对称分布，故将人脸划分为3X3的子块，分别计算各子块图像的LBP直方图，然后将这些直方图组合为一行向量，作为特征向量。
【文档编号】G06K9/62GK104036291SQ201410259178
【公开日】2014年9月10日 申请日期:2014年6月11日 优先权日:2014年6月11日
【发明者】陈昌宝, 王军, 陈浪 申请人:杭州巨峰科技有限公司