特征分类器的研究与优化及其在年龄估算中的应用

摘要

近几年,年龄估计引起了国内外学者的广泛关注并且有着广泛的应用前景。然而,由于人的年龄特征具有较强的个体差异性和不可控制性,人的饮食,健康,生长环境,生活方式,甚至心理因素等外在因素都会影响到年龄的估计,现有的年龄估计结果和实践经验表明,年龄估计的研究还需要对特征分类器进行更深入的研究。　　本文提出了对特征分类器进行研究与优化,实现对年龄段的分类。本文针对以下内容,进行了一系列的创新性研究:　　(1)提出了一种新的以可视化特征为依据的年龄段分类方法:基于标准的FG-NET数据库,提出了依据年龄增长的可视化规律将人脸年龄划分为5组的年龄估计系统。即婴儿(0-2)、儿童(3-10)、少年(11-18)、青年(19-39)、中老年(40-69)。从而将年龄估计问题转化为分类问题来研究,并取得良好效果。　　(2)提出了一种新的人脸特征归一化预处理技术:通过人脸检测模块分提取出人的脸部区域并对图像进行预处理。将彩色图像灰度化,便于各种特征提取具有统一标准,并灰度均衡化,消除光照等背景影响,然后标定每张图像的人眼位置,将图像进行旋转,尺寸归一化为160*160的图像。　　(3)根据年龄特征的提取方法进行了对比性研究:通过实验对主动外观模型法(Active Appearance Model,简称AAM)、Gabor小波特征提取法、局域二值模式方法(Local Binary Pattern,简称LBP)进行了比较性研究。比较了323344,,三种方格划分的性能。对Gabor小波和LBP组合、LBP与AAM组合进行了比较研究,并发现了特征提取的规律。　　(4)为了进一步优化特征分类器,本文设计了一套适用于人脸年龄分类的分类器选用策略:采用支持向量机分类器和高斯径向基核函数组合,利用网格搜索的交叉验证法搜索最优参数,用“一对一”的多分类方式实现对人脸年龄分类。　　本文的工作通过系列的比对实验,对多种经典的特征分类器进行研究和进一步优化,提出新的特征分类器与基于年龄分类的策略,并对所提算法进行了软件实现,依托标准人脸库进行了分类实验,比较了几种特征分类器的准确率,并进一步总结了不同特征分类器的基本应用规律。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 背景

§1.1本课题研究意义

§1.2国内外研究现状

§1.3人脸年龄估计面临的挑战

§1.4本文研究内容及其创新点

§1.5组织框架

§1.6本章小结

第二章 典型特征分类器对比性研究

§2.1基于人工神经网络的判别方法

§2.2贝叶斯分类器的分类方法

§2.3支持向量机分类

§2.4 三种分类器对比

§2.5本章小结

第三章 人脸特征归一化预处理算法

§3.1获取图片

§3.2人脸图像特征归一化

§3.3本章小结

第四章 人主观判断年龄的依据

§4.1颅骨形状的变化

§4.2脸部器官及其比例变化

§4.3纹理特征

§4.4本章小结

第五章 人脸年龄特征提取方法

§5.1特征提取理论与技术

§5.2 建立主动外观模型

§5.3 纹理特征提取

§5.4 本章小结

第六章 年龄分类器的研究与设计

§6.1核函数参数的选择

§6.2支持向量机多分类问题

§6.3本章小结

第七章 年龄分类结果与分析

§7.1实验结果

§7.2实验分析

§7.3本章小结

第八章 总结与展望

§8.1工作总结

§8.2 工作展望

参考文献

致谢

作者在攻读硕士期间主要研究成果