基于视频的人脸检测和性别识别

摘要

随着计算机技术的发展，计算机智能已经遍布我们生活的各个领域，而视频检测技术作为计算机智能的一个分支，它的发展对计算机智能的其它领域产生了很大的推动作用。随着智能化视频监控系统的广泛应用，如何从视频文件中获取我们感兴趣的信息成为智能化视频监控系统发展的重点之一。
　　本系统设计来源于课题组与国网山东省电力公司电力科学研究院的合作项目，该项目需要通过巡检机器人完成变电站的安全防范工作，由于变电站属于高危区域，因而在安全性方面有较高的要求。为了加强巡检机器人的智能化，对其加入了性别识别的功能。此系统也可以应用于其他场合，如可以在大型游乐场所、商场、步行商业街等，让计算机通过识别统计消费人群的性别组成，帮助商家根据人群的性别组成特点提供更具有吸引力的服务。
　　性别识别技术是身份识别技术中一个重要环节，在国家安全、人群检测等各个方面均发挥着重要的作用。目前，已经有很多对性别进行判别的方法，例如人脸、虹膜、指纹、脚印以及语音等，与其它生物特征相比，人脸特征具有更自然、方便和非接触等特点，因而广泛应用于视频监控、安防等领域。但由于视频采集过程中受到天气、光照、采集设备等因素的影响，使获得的视频图像中部分信息缺失，从而增加了对视频图像进行性别识别的难度。
　　本文对视频中是否存在人脸进行检测的同时识别出人的性别。本文提出一种将方差归一化思想与卷积相结合的算法，解决了视频图像中普遍存在的光照不均匀现象，开发了一个基于视频的人脸图像性别识别系统，最终较为有效的解决了对视频图像中存在的人脸的性别识别问题。本文的工作主要包括如下部分：
　　1）第一章总体概括了基于人脸的性别识别的发展历程和研究现状，对发展过程的各个阶段进行了简要的描述。对现阶段的生物识别方式进行了总结，将基于人脸图像的识别方式与指纹识别、掌纹识别、虹膜识别等方式进行了分析比较，强调了基于人脸的性别识别技术的优势及其发展前景和研究意义。
　　2）第二章介绍了当前主流的人脸检测算法，重点介绍了Adaboost算法，对其发展进行了简要的描述，详细介绍了Adaboost算法的实现原理，并对Haar特征进行了详细介绍，分析了利用Haar特征表示人脸特征的可行性。详细介绍了如何利用Haar特征与Adaboost算法相结合的方式进行人脸区域检测与提取。
　　3）第三章调研了目前国内外对光照不均现象的主要处理算法，针对主流算法进行了对比分析，提出了一种新的光照处理算法，并将它运用到人脸图像中。该算法将方差归一化思想以及卷积方法相结合，对光照不均的人脸图像进行整体处理，有效解决了光照因素对后期性别判别的影响。
　　4）第四章对比分析了主成分分析算法(Principal Component Analysis，PCA)、线性判别分析算法（Linear Discriminant Analysis，LDA）、主动形状模型（Active Shape Model， ASM）以及主动外观模型（Active Appearance Model，AAM）。对PCA和LDA算法的原理进行了分析。对AAM模型的发展与原理进行了详细描述，利用AAM模型建立的原理，提取出与性别相关性较大的特征进行了建模，降低性别识别算法的复杂度。最后对进行性别分类的SVM分类器算法原理进行了描述。
　　5）第五章为系统的详细设计，展示了基于视频的人脸识别系统的主要功能，并对各个功能进行了介绍。在这个系统中，主要利用 Adaboost算法对提取的视频图像进行人脸检测，并将检测出的人脸区域进行单独处理，通过AAM建模的方法，对决定性别的特征进行标定记录，最后使用SVM分类算法，对提取的性别特征进行分类，从而判断出该视频图像中出现的人物性别。

目录

声明

第一章 绪 论

1.1 项目背景和意义

1.2 国内外研究现状

1.3本文的主要工作和安排

第二章 Adaboost人脸检测算法

2.1 Haar特征

2.2 分类器

2.3 本章小结

第三章 消除光照影响

3.1 光照因素分析

3.2 光照不均的解决方案

3.3 本章小结

第四章 性别识别方法

4.1 基于PCA和LDA的人脸性别特征获取方法

4.2 基于AAM算法的人脸特征提取

4.3 分类器的选用

4.4 本章小结

第五章 系统的设计与实现

5.1 概述

5.2 人脸库的选用与开发环境

5.3 系统实现

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

附录