CN102902986A - 自动性别识别系统及方法 - Google Patents

Abstract

本发明的目的在于公开一种自动性别识别系统及方法，它包括：性别分类器训练模块、图像获取模块、人脸检测与定位模块、预处理模块、特征提取模块及性别分类模块；所述图像获取模块、人脸检测与定位模块、预处理模块、特征提取模块和性别分类模块依次互相连接，所述性别分类模块与所述性别分类器训练模块互相连接。与现有技术相比，通过各个模块的协同工作，能对不同姿势、不同光照条件下的人脸提供准确地检测与定位人脸，并且准确地进行性别识别，实现本发明的目的。

Description

自动性别识别系统及方法

技术领域

本发明涉及一种识别系统及方法，特别涉及一种采用计算机采集、处理并分析图像的自动性别识别系统及方法。

背景技术

人脸蕴含着丰富的信息，我们不仅可以从人脸中得知人物的种族、年龄、性别和身份这些表层人脸信息，还可以从人脸的表情还有脸色估计这个人的心情和身体状况。这些对于我们人类来说，识别出这些信息可以说是轻而易举，但对于计算机来说却不是一件简单的事。性别识别是跨越了人工智能、计算机视觉、模式识别以及心理学等多个领域的综合性研究课题。

随着科学技术的高速发展，计算机在许多领域中都代替了人的角色，但是人脸性别识别在当今社会的应用还不是广泛，原因很大程度上受限于识别的准确性与稳定性。在人脸识别领域中，人脸身份识别，即识别出人脸以及人脸匹配，已经有了相当大的进展。对于性别识别研究相对于前者来说是起步较晚，技术还不够成熟，实时性有待提高，在采集到的人脸图像出现姿势、光照等多种不可控制的情况下，还是存在一定的误差。

如中国专利申请的申请号为CN200910013650.9的发明专利公开了一种视频监控中人体目标的检测与性别识别方法，根据采集到的图片数据库在HSV彩色空间建立前景皮肤和背景的直方图；利用贝叶斯分类器对输入频的每个像素点进行前景和背景的判决，进而分割出其中的人体皮肤区域利用人体肤色的生物特征在复合彩色空间（E，R/GH）下对前景皮肤和背景进行再次分割，以消除背景中肤色相近色物体的干扰，获得准确的人体目标；根据获得的人体目标中的人脸图像利用模式识别方法进行性别识别，会出现对人脸识别的偏差导致识别错误，同时当人脸的朝向不同对系统的识别结果会照成很大的偏差。

又如中国专利申请的申请号为CN201110223831.1的发明专利公开了一种融合人脸和指纹视觉信息的协同性别识别方法，基于词袋模型来表示图像特征，提出一种新的创建视觉词的监督方法，消除冗余的特征维数，加强了对性别分类有帮助的维度；提出改进的LDA模型，将分类间距最大化，来加强整个模型的识别能力；将人脸和指纹两种可视化形态的决策融合，分别训练模型，最终的决策通过最小化决策风险来得到。虽然比前者有更好的鲁棒性和区别能力，但并不适用于现实情境中会出现的所有状况，当情景有所变化时识别效果会有所偏差。

因此，特别需要一种自动性别识别系统及方法，以解决上述现有存在的问题。

发明内容

本发明的目的在于提供一种自动性别识别系统及方法，针对现有技术的不足，能够准确地在多种不同的环境中准确检测与定位人脸，并且准确地进行性别识别。

本发明所解决的技术问题可以采用以下技术方案来实现：

一方面，本发明提供一种自动性别识别系统，其特征在于，它包括：

性别分类器训练模块，用于对人脸图像数据库进行训练，得到用于别分类的分类器；

图像获取模块，用于进行需要检测的图像的获取和采集；

人脸检测与定位模块，用于实现检测采集到的图像是否包含人脸并进行人脸的定位；

预处理模块，用于实现对人脸图像的标准化流程；

特征提取模块，用于对人脸图像进行特征提取，实现用特征数据来表征所检测的人脸；及

性别分类模块，用于对人脸图像进行性别分类；

所述图像获取模块、人脸检测与定位模块、预处理模块、特征提取模块和性别分类模块依次互相连接，所述性别分类模块与所述性别分类器训练模块互相连接。

在本发明的一个实施例中，所述特征提取模块包括Gabor小波变换模块、权值矩阵计算模块和PCA计算模块，所述Gabor小波变换模块、权值矩阵计算模块和PCA计算模块互相连接。

在本发明的一个实施例中，所述图像获取模块包括视频采集卡和摄像头；所述摄像头为普通CCD摄像头，所述摄像头面向对需要进行检测的区域。

另一方面，本发明提供了一种自动性别识别方法，其特征在于，它包括如下步骤：

（1）图像采集，通过图像获取模块采集包含人脸的视频；

（2）人脸定位及图像预处理，通过人脸检测与定位模块对采集到得视频数据信息进行人脸检测，对定位到的人脸的位置截取出来作为需要处的区域，通过预处理模块对该区域进行图像预处理流程，得到标准化的脸图像；

（3）人脸特征提取，通过特征提取模块对由上述步骤得到的标准化人脸图像进行特征提取，得到能描述该人脸的特征数据；

（4）基于监督式学习的性别识别，通过性别分类器训练模块使用经过训练得到的性别分类模块对得到的人脸特征数据进行分类，得到该人脸区域的性别识别结果。

在本发明的一个实施例中，所述性别分类器训练模块使用SVM作为分类方法，其中选择RBF作为核函数；惩罚系数C取值为10；分类类别数取值为2；样本的标签，女性作为正样本，为1，男性作为负样本，为-1；gamma取值0.05。

在本发明的一个实施例中，所述人脸检测与定位模块首先采用基于Adaboost人脸检测算法从图像帧中检测到人脸区域，通过目标跟踪算法错误！未找到引用源。把检测到的人脸区域作为需要跟踪的目标。

在本发明的一个实施例中，所述预处理模块包括光线标准化模块和几何标准化模块，所述几何标准化模块包括如下步骤：

（1）眼睛定位，选用Haar特征级联分类器来检测人眼，定位人眼位置，得到双眼距离和双眼倾斜角度，即人脸倾斜角度；

（2）仿射变换，从上一步骤中得到人眼位置，计算出人脸倾斜角度θ，然后做二维仿射变换；

（3）脸型归一，根据双眼距离Δd，得出双眼中点e_c(x,y)，即单位距离w=Δd/2归一化人脸宽度为3.4*w，人脸长度为4*w，人眼位置在人脸长度1/4处；

所述光线标准化模块包括如下步骤：

（1）亮度归一，使用直方图均衡化对人脸图像进行亮度调整，直方图均衡化通过对图像进行非线性拉伸，更新图像像素值；

（2）平滑，使用3*3的高斯模板进行平滑处理，消除噪声。

在本发明的一个实施例中，所述性别分类模块使用SVM分类器对特征向量分类，输出男性或女性。

与现有技术相比，本发明的自动性别识别系统及方法具有如下有益效果：

1、可以准确地定位人脸位置，并对人脸进行标准化处理；

2、人脸特征提取是基于Gabor小波变换并引入权值矩阵进行加权组合，比其他的方法具有更强的鲁棒性和适应性；

3、采用监督式学习的分类器进行性别分类，比其他方法具有更高的分类准确度。

本发明的自动性别识别系统及方法，与现有技术相比，通过各个模块的协同工作，能对不同姿势、不同光照条件下的人脸提供准确地检测与定位人脸，并且准确地进行性别识别，实现本发明的目的。

本发明的特点可参阅本案图式及以下较好实施方式的详细说明而获得清楚地了解。

附图说明

图1为本发明的自动性别识别系统的模块框图；

图2为本发明的自动性别识别方法的流程示意图；

图3为本发明的性别识别特征提取的流程示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

如图1所示，本发明的自动性别识别系统，它包括：

性别分类器训练模块100，用于对人脸图像数据库进行训练，得到用于性别分类的分类器；

图像获取模块200，用于进行需要检测的图像的获取和采集；

人脸检测与定位模块300，用于实现检测采集到的图像是否包含人脸并进行人脸的定位；

预处理模块400，用于实现对人脸图像的标准化流程；

特征提取模块500，用于对人脸图像进行特征提取，实现用特征数据来表征所检测的人脸；及

性别分类模块600，用于对人脸图像进行性别分类；

所述图像获取模块200、人脸检测与定位模块300、预处理模块400、特征提取模块500和性别分类模块600依次互相连接，所述性别分类模块600与所述性别分类器训练模块100互相连接。

在本发明中，所述特征提取模块500包括Gabor小波变换模块510、权值矩阵计算模块520和PCA计算模块530，所述Gabor小波变换模块510、权值矩阵计算模块520和PCA计算模块530互相连接。

在本发明中，所述图像获取模块200包括视频采集卡和摄像头；所述摄像头为普通CCD摄像头，所述摄像头面向对需要进行检测的区域。

如图2所示，本发明的自动性别识别方法，它包括如下步骤：

（1）图像采集，通过图像获取模块采集包含人脸的视频；

（2）人脸定位及图像预处理，通过人脸检测与定位模块对采集到得视频数据信息进行人脸检测，对定位到的人脸的位置截取出来作为需要处理的区域，通过预处理模块对该区域进行图像预处理流程，得到标准化的人脸图像；

（3）人脸特征提取，通过特征提取模块对由上述步骤得到的标准化人脸图像进行特征提取，得到能描述该人脸的特征数据；

（4）基于监督式学习的性别识别，通过性别分类器训练模块使用经过训练得到的性别分类模块对得到的人脸特征数据进行分类，得到该人脸区域的性别识别结果。

在本发明中，所述性别分类器训练模块100使用SVM作为分类方法，其中选择RBF作为核函数；惩罚系数C取值为10；分类类别数取值为2；样本的标签，女性作为正样本，为1，男性作为负样本，为-1；gamma取值0.05。

在本发明中，所述人脸检测与定位模块300首先采用基于Adaboost人脸检测算法从图像帧中检测到人脸区域，通过目标跟踪算法错误！未找到引用源。把检测到的人脸区域作为需要跟踪的目标。

在本发明中，所述预处理模块400包括光线标准化模块和几何标准化模块，所述几何标准化模块包括如下步骤：

（1）眼睛定位，选用Haar特征级联分类器来检测人眼，定位人眼位置，得到双眼距离和双眼倾斜角度，即人脸倾斜角度；

（2）仿射变换，从上一步骤中得到人眼位置，计算出人脸倾斜角度θ，然后做二维仿射变换；

（3）脸型归一，根据双眼距离Δd，得出双眼中点e_c(x,y)，即单位离w=Δd/2归一化人脸宽度为3.4*w，人脸长度为4*w，人眼位置在人脸长度1/4处；

所述光线标准化模块包括如下步骤：

（1）亮度归一，使用直方图均衡化对人脸图像进行亮度调整，直方图均衡化通过对图像进行非线性拉伸，更新图像像素值；

（2）平滑，使用3*3的高斯模板进行平滑处理，消除噪声。

如图3所示，所述特征提取模块500包括Gabor小波变换模块510、权值矩阵计算模块520和PCA计算模块530。

所述特征提取模块500对人脸图像进行五个尺度八个方向的Gabor小波分解，得到一个三维特征矩阵；然后根据权值矩阵，对三维特征矩阵进行加权组合成一个新的三维矩阵；最后三维矩阵变换成一个二维矩阵，再转化为一个高维向量，进行主成分分析，投影至一个低维空间，得到表征人脸图像的特征向量。完成这个模块，得到一个维数较低的特征向量。

所述特征提取模块500中的Gabor小波变换模块510中，Gabor小波分解后的图像能在多个尺度和多个方向突出图像变化激烈的地方。在本发明中，在某一相同的尺度中，图像分解为八个方向，这种图像特征提取方法是完备的。在某一尺度的某一方向中的特征向量，有效成分只集中人脸变化激烈的地方，比如眼睛，鼻子和嘴巴，人脸的其他地方（比如脸颊）存在数据冗余，当完整分解为八个方向时，特征向量就存在着大量的冗余，这会造成后续运算变得非常巨大，而且对输出效果的改进没有意义。本发明提出对其特征的加权组合方法，能有效地减少冗余，并且通过权重调整来表征不同方向的分量，使特征向量变得更为紧凑而且有效地突出重点。

所述特征提取模块500中的权值矩阵计算模块520，需要使用预处理块400得到的人脸图像。在这个模块中，需要完成对每个区域中的八个方向的权值计算。要求得图像中不同区域在不同方向上的分量。先把π按π/8划分，然后再对每个区域均分，最后把夹着πμ/8（μ=0,1,2，…，7）的区域合并成属于πμ/8方向的投票区域。对于每一个cell，统计其梯度方向，进行一次加权投票，权值为该点梯度的模值，就这样得出每个cell的方向统计。为了消除局部光照的影响，需要在block区域对包含的cell区域进行归一化，归一化算法使用L2-norm。然后需要对每个cell进行一次全局归一化，因为在之后的计算中，某个位置的cell只需要有一个统计信息，那么就要对其相对位置的所有统计信息进行合并，具体是取该通道均值。

在本发明中，所述性别分类模块600使用SVM分类器对特征向量分类，输出男性或女性。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种自动性别识别系统，其特征在于，它包括：

性别分类器训练模块，用于对人脸图像数据库进行训练，得到用于性别分类的分类器；

图像获取模块，用于进行需要检测的图像的获取和采集；

人脸检测与定位模块，用于实现检测采集到的图像是否包含人脸并进行人脸的定位；

预处理模块，用于实现对人脸图像的标准化流程；

特征提取模块，用于对人脸图像进行特征提取，实现用特征数据来表征所检测的人脸；及

性别分类模块，用于对人脸图像进行性别分类；

所述图像获取模块、人脸检测与定位模块、预处理模块、特征提取模块和性别分类模块依次互相连接，所述性别分类模块与所述性别分类器训练模块互相连接。

2.如权利要求1所述的自动性别识别系统，其特征在于，所述特征提取模块包括Gabor小波变换模块、权值矩阵计算模块和PCA计算模块，所述Gabor小波变换模块、权值矩阵计算模块和PCA计算模块互相连接。

3.如权利要求1所述的自动性别识别系统，其特征在于，所述图像获取模块包括视频采集卡和摄像头；所述摄像头为普通CCD摄像头，所述摄像头面向对需要进行检测的区域。

4.一种自动性别识别方法，其特征在于，它包括如下步骤：

（1）图像采集，通过图像获取模块采集包含人脸的视频；

（2）人脸定位及图像预处理，通过人脸检测与定位模块对采集到得频数据信息进行人脸检测，对定位到的人脸的位置截取出来作为需要处的区域，通过预处理模块对该区域进行图像预处理流程，得到标准化的人脸图像；

（3）人脸特征提取，通过特征提取模块对由上述步骤得到的标准化人脸图像进行特征提取，得到能描述该人脸的特征数据；

（4）基于监督式学习的性别识别，通过性别分类器训练模块使用经过训练得到的性别分类模块对得到的人脸特征数据进行分类，得到该人脸区域的性别识别结果。

5.如权利要求4所述的自动性别识别方法，其特征在于，所述性别分类器训练模块使用SVM作为分类方法，其中选择RBF作为核函数；惩罚系数C取值为10；分类类别数取值为2；样本的标签，女性作为正样本，为1，男性作为负样本，为-1；gamma取值0.05。

6.如权利要求4所述的自动性别识别方法，其特征在于，所述人脸检测与定位模块首先采用基于Adaboost人脸检测算法从图像帧中检测到人脸区域，通过目标跟踪算法错误！未找到引用源。把检测到的人脸区域作为需要跟踪的目标。

7.如权利要求4所述的自动性别识别方法，其特征在于，所述预处理模块包括光线标准化模块和几何标准化模块，所述几何标准化模块包括如下步骤：

（1）眼睛定位，选用Haar特征级联分类器来检测人眼，定位人眼位置，得到双眼距离和双眼倾斜角度，即人脸倾斜角度；

（2）仿射变换，从上一步骤中得到人眼位置，计算出人脸倾斜角度θ，然后做二维仿射变换；

（3）脸型归一，根据双眼距离Δd，得出双眼中点e_c(x,y)，即单位离w=Δd/2归一化人脸宽度为3.4*w，人脸长度为4*w，人眼位置在人脸长度1/4处；

所述光线标准化模块包括如下步骤：

（1）亮度归一，使用直方图均衡化对人脸图像进行亮度调整，直方图均衡化通过对图像进行非线性拉伸，更新图像像素值；

（2）平滑，使用3*3的高斯模板进行平滑处理，消除噪声。

8.如权利要求4所述的自动性别识别方法，其特征在于，所述性别分类模块使用SVM分类器对特征向量分类，输出男性或女性。

Images