导读:本文包含了人脸性别分类论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸多模态数据,性别分类,模式识别,计算机视觉
人脸性别分类论文文献综述
郑明明,林志毅[1]（2019）在《基于局部统计几何特征的人脸性别分类方法》一文中研究指出为解决自动人脸性别分类问题,提出一种基于局部统计几何特征的性别分类方法。融合人脸图像特征点定位信息与人脸叁维数据的几何信息,建立具有统计意义的局部统计几何特征,可以被认为是基于多模态人脸信息的方法。该方法具有标准的表达形式,方便学习算法建立分类器;融合几何信息,对图像中的噪声、光照和人脸上的化妆等具有一定的鲁棒性;考虑叁维网格数据中面片数量不同带来的影响,对网格化精度具有一定鲁棒性。为验证其有效性,基于叁维人脸公开数据库(FRGC2.0和BosphorusDB)进行相关分类实验,实验结果表明,该方法能够得到比较精确的分类结果。(本文来源于《计算机工程与设计》期刊2019年10期）
吴军,邱阳,卢忠亮[2]（2019）在《全局融合卷积神经网络的边缘分类的人脸性别识别》一文中研究指出人脸性别识别是人脸识别领域研究的热门课题。为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN)。在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差。NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离。实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的。(本文来源于《现代电子技术》期刊2019年18期）
董兰芳,张军挺[3]（2018）在《基于深度学习与随机森林的人脸年龄与性别分类研究》一文中研究指出为提高在非限制性环境下的人脸年龄估计与性别识别准确率,提出一种基于深度卷积神经网络的人脸特征提取方法。通过采用一般到特殊的微调方案,在大规模数据集上进行人脸识别预训练得到的VGG-Face模型,运用该模型在CelebA人脸属性数据集上对其中5个属性进行微调训练,得到人脸属性模型,将网络全连接层特征进行连接作为人脸特征向量。使用随机森林分类器在Adience数据集上进行训练和测试,利用随机森林方法处理高维的数据,选出对年龄与性别分类较重要的特征。实验结果表明,该方法能够克服复杂光照、姿态变化的影响,准确地对自然场景下的人脸进行年龄估计和性别识别。(本文来源于《计算机工程》期刊2018年05期）
王越[4]（2017）在《基于人脸图像的性别分类与年龄估计》一文中研究指出人脸是人体中最重要的生物特征,它具有结构复杂,细节变化多等特点,而且人脸也是人体中蕴含信息最丰富的器官。例如人种、年龄、性别,甚至性格、情绪等等信息都可以在人脸上得到反映。目前,人脸检测和识别的研究已经相对成熟,并广泛应用在智能相机人脸检测和基于人脸识别的门禁系统中。但是,机器在检测和识别人脸之后,对人脸上所反映的信息的解读远不成熟。本文受叁角范数,相关性投影,Fourier变换及支持向量机SVM在人脸检测及识别中成功应用的启发,提出了对人脸图像进行性别分类和年龄估计的方法。文主要研究内容如下:1.本文首先将图像预处理缩放,经过皮肤分割后,根据高斯混合模型来计算图像中的皮肤像素似然值,并基于图像信息获得的适当的阈值,用阈值从背景中提取了皮肤区域。然后,基于万有引力的思想,将叁角范数替换积运算引入到边缘检测算法中,并计算边缘像素所产生的引力。最后,对其进行向量标准化,并建立一个能表示每个位置其分配隶属度的边缘模糊集,经过优化亮度依赖,根据计算二值图像的度量对边缘图像进行比较。在FERET数据集上进行了测试,将基于叁角范数的引力算法与Canny算子和Sobel算子等传统方法进行比较,实验结果表明提出算法可在性能上要优于传统方法。2.为了提高其检测的性能,提出一种基于监督学习的相关性投影人脸性别分类算法,该方法可应用到不同的脸部分析任务中。该算法首先基于带权PCA算法来降低脸部维度,将脸部特征提取出来;然后,对其进行优化,同时计算相关性投影的误差函数;最后,最小化脸部相关性投影误差函数,计算特征向量的欧式距离,进行人脸性别分类。将提出方法与其它方法进行对比,在FERET数据库上进行了实验。实验证明了该方法的有效性,获得了优于传统方法的识别率。3.本文提出一种基于Fourier-Mellin变换的频域不变性以及时域不变性的特征提取算法。首先,将对图像亮度标准化以改善光照变化。然后,根据分析的Fourier-Mellien变换(AFMT)以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取。最后,通过最近邻分类器(NNC)和相关性系数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量的实验,结果表明本文提出方法的性能要优于传统的人脸识别算法。4.在本文中,发现了除了外观信息,面部动态也可以利用在年龄估计。本文提出了一个方法,通过使用一个人的微笑来提取动态特征进行年龄估计。首先,评估所提出的系统的精度,当仅使用面部动态时,或者单独用于每个面部区域,或者在微笑表情上合在一起。本文将这些结果与外观和动力学的组合使用进行比较。然后本文使用组合特征来测试性别和表达自发性对系统的准确性的影响。最后,计算外观特征IEF,GEF,BIF和LBP,通过实验复杂度评价年龄估计结果。通过在FERET人脸数据库上进行了实验,结果表明本文提出方法的性能要优于传统的算法。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
徐英武,胡学刚[5]（2016）在《基于叁维人脸数据的性别分类》一文中研究指出提出了一种新颖的基于视觉词典直方图的叁维人脸特征,并将其应用到叁维人脸数据中实现了人脸性别分类。视觉词典直方图特征提取分为两个阶段,训练阶段和识别阶段。在训练阶段中,先是通过Gabor滤波器提取出叁维人脸数据中的局部纹理特性,组成滤波响应向量集合,然后通过聚类算法得到向量中心,即叁维人脸视觉词汇;在识别阶段中,将滤波响应向量与叁维人脸视觉词汇进行映射,得出对应的视觉词汇直方图向量,即基于视觉词典直方图的人脸特征。在获取人脸特征后,采用SVM分类器实现性别分类。实验表明,该特征在性别分类中可以获得比其他广泛采用的表象特征(如Gabor滤波器、LBP等)更好的分类性能,充分证明了该特征实现了叁维人脸描述有效性和鲁棒性的统一。(本文来源于《黄山学院学报》期刊2016年03期）
陆庆庆[6]（2014）在《基于人脸图像的性别分类》一文中研究指出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叁个部分。本文针对这叁个部分进行了研究。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。(本文来源于《南京理工大学》期刊2014-01-01）
赵海英,杨一帆,徐正光[7]（2012）在《基于多角度LBP特征的叁维人脸性别分类》一文中研究指出人脸性别分类是一个富有挑战的研究方向,目前的研究尚不完善.本文提出一种叁维人脸的性别分类方法,首先对数据集进行局部区域最近邻点迭代算法(Iterative closest point,ICP)匹配,自动实现人脸正向姿态校正;对数据集人脸统一做俯仰角度的旋转,从不同视角上提取基于深度缩略图的多角度LBP(Local binary patterns)特征;再由支持向量机(Support vector machine,SVM)分类器完成训练分类.该方法在CASIA数据库上实验,对全库中性表情人脸进行性别分类,可以得到最高98.374%的正确率.(本文来源于《自动化学报》期刊2012年09期）
张天刚,张景安[8]（2011）在《基于KPCA+CCA的人脸性别分类》一文中研究指出KPCA+CCA方法在人脸特征的提取、分类和分析中的有效性已受到有关研究人员的重视,用该法可从一张原始灰度人脸图像中直接识别出一个人的性别。将核方法引入到主分量分析中,由于CCA(Canonical Correlation Analysis)用到了KPCA(KernelPrincipal Component Analysis)变换后样本的全部核主分量,在分析中没有丢失任何鉴别信息,因而在不同光照、表情、姿态和脸部细节的原始灰度人脸图像中鲁棒性更高。在ORL人脸数据库中用基于核的最近邻特征分类器进行实验,取得了96%的平均准确率。(本文来源于《软件》期刊2011年07期）
张宁[9]（2011）在《基于人脸图像的性别分类研究》一文中研究指出本文的主要研究内容是基于人脸图像的性别分类。人脸是人类最重要的生物特征之一,反映了很多重要的生物信息,如身份、性别、表情、年龄、种族等。随着计算机技术的快速发展,基于人脸图像的计算机视觉和模式识别问题也成为近些年研究的热点。但关注点主要集中在人脸的身份识别,即只是区分出输入的人脸图像是谁,而作为人脸识别技术的重要组成部分,基于人脸图像的性别识别不仅有助于提供更加个性化的人机交互方式,还可应用于相关的信息采集系统和图像监控系统。从理论意义上来说,对人脸图像的性别分类的研究也丰富了原有的人脸识别方法,提高人脸识别的正确率和图像检索效率。因此基于人脸图像的性别分类研究具有重要意义。一般而言,人脸图像的性别识别系统主要分为人脸图像的预处理,特征提取和分类器识别叁部分。本文在这叁方面进行了主要研究和创新：1)人脸图像预处理通常要先将彩色图像转换为灰度图像,然后使用直方图均衡化的方法实现图像增强,通过人眼定位确定出人眼的位置,进而实现人脸图像的几何归一化,最后进行能量归一化。本文使用了一种基于Gabor的人眼定位算法。2)在人脸图像识别研究中,已经有多种有效的特征提取算法获得广泛应用。本文分别研究了PCA, LBP, PCA-SIFT,并根据性别分类的特点,提出了增强型PCA-SIFT方法,使得到的特征向量具有了初步的性别判别,从而有利于后续的分类器识别。3)在分类器研究和设计阶段,深入研究了SVM和FSVM两种具有代表性的性别分类算法。对人脸性别识别分类问题引入模糊的思想,并且基于增强型PCA-SIFT方法提出了一种新的FSVM隶属度生成方法。该方法应用在FSVM中,可以很好的提高分类器的泛化能力。本研究在FERET, CAS-PEAL和BUAA-IRIP以及实验室自建人脸库共四个数据库上进行对比实验,结果表明本文提出的增强型PCA-SIFT方法可以提取具有初步判别性的特征,模糊支持向量机的分类器设计方法具备很好的识别能力。(本文来源于《北方工业大学》期刊2011-05-09）
顾成扬,吴小俊[10]（2010）在《基于改进EST的人脸性别分类方法》一文中研究指出提出一种基于改进的特征空间分离变换和支持向量机的人脸性别分类方法。在FERET人脸库和淮阴师范学院学生人脸库上进行实验,比较不同的特征提取方法和分类方法处理人脸性别分类问题的性能,结果表明,采用新方法在最优投影轴数和正确识别率方面均取得较好的结果,在2种人脸库上的正确识别率优于主成分分析方法和线性鉴别分析方法。(本文来源于《计算机工程》期刊2010年18期）
人脸性别分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸性别识别是人脸识别领域研究的热门课题。为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN)。在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差。NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离。实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸性别分类论文参考文献
[1].郑明明,林志毅.基于局部统计几何特征的人脸性别分类方法[J].计算机工程与设计.2019
[2].吴军,邱阳,卢忠亮.全局融合卷积神经网络的边缘分类的人脸性别识别[J].现代电子技术.2019
[3].董兰芳,张军挺.基于深度学习与随机森林的人脸年龄与性别分类研究[J].计算机工程.2018
[4].王越.基于人脸图像的性别分类与年龄估计[D].哈尔滨理工大学.2017
[5].徐英武,胡学刚.基于叁维人脸数据的性别分类[J].黄山学院学报.2016
[6].陆庆庆.基于人脸图像的性别分类[D].南京理工大学.2014
[7].赵海英,杨一帆,徐正光.基于多角度LBP特征的叁维人脸性别分类[J].自动化学报.2012
[8].张天刚,张景安.基于KPCA+CCA的人脸性别分类[J].软件.2011
[9].张宁.基于人脸图像的性别分类研究[D].北方工业大学.2011
[10].顾成扬,吴小俊.基于改进EST的人脸性别分类方法[J].计算机工程.2010