CN106326834A - 人体性别自动识别方法及装置 - Google Patents

Abstract

本发明涉及一种人体性别自动识别方法及装置，人体性别自动识别方法，包括以下步骤：获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定毫米波灰度图像中人体的性别部位区域位置；提取性别部位区域位置对应的区域子图像；对区域子图像进行尺度归一化，得到归一化后的区域子图像；对归一化后的区域子图像进行特征信息提取，得到归一化后的区域子图像的特征信息；通过与特征信息对应的各预设分类器，根据特征距离的大小排序，对毫米波灰度图像进行识别，并分别输出结果；对输出结果进行集成，得到毫米波灰度图像的分类识别结果。本发明具有较高的识别率和计算效率，解决了毫米波安检系统中的隐私保护和检测方法的问题。

Description

人体性别自动识别方法及装置

技术领域

本发明涉及图像处理与安检技术领域，特别是涉及一种人体性别自动识别方法及装置。

背景技术

毫米波在传播过程中具有一定穿透性。通过毫米波成像技术，能够对被扫描人体获得衣物遮挡下物体成像结果图像；因此可以基于毫米波成像结果对被检测者性别进行识别；如果在检测过程中，直接通过安检操作人员肉眼观察的方式来完成可疑危险物体的检测，在人力、财力及时间上的消耗是巨大的。而传统的性别识别方法：一方面，主要是针对可见光图像数据；另一方面，针对毫米波图像中人体性别识别方法多采用单一的特征信息(如灰度方差信息)进行分类识别。

在实现过程中，发明人发现传统技术中至少存在如下问题：

1)毫米波图像与可见光图像成像机理有着本质的区别，毫米波图像灰度层次低，清晰度低，且受相干斑乘性噪声的影响。可见光图像中的模式识别方法在毫米波图像中不能直接适用，计算效率低；2)不同性别毫米波图像在特征表现上存在多种形式，灰度方差信息仅仅为其中一种可能的区别不同性别的特征信息，因此，基于单一的特征检测方法并不能满足毫米波安检系统中性别自动识别的需求，易导致识别准确率低。

发明内容

基于此，有必要针对传统性别识别方法计算效率和识别准确率低的问题，提供一种人体性别自动识别方法及装置。

为了实现上述目的，本发明技术方案的实施例为：

一方面，提供了一种人体性别自动识别方法，包括以下步骤：

获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定毫米波灰度图像中人体的性别部位区域位置；性别部位区域位置包括胸部区域位置和裆部区域位置；

提取性别部位区域位置对应的区域子图像；

对区域子图像进行尺度归一化，得到归一化后的区域子图像；

对归一化后的区域子图像进行特征信息提取，得到归一化后的区域子图像的特征信息；特征信息包括胸部区域位置的形状特征信息和胸部区域特征信息、裆部区域位置的灰度方差信息和裆部区域特征信息；

通过与特征信息对应的各预设分类器，根据特征距离的大小排序，对毫米波灰度图像进行识别，并分别输出结果；特征距离为特征信息与对应的预设分类器的特征信息的距离；

对输出结果进行集成，得到毫米波灰度图像的分类识别结果。

另一方面，提供了一种人体性别自动识别装置，包括：

确定区域位置单元，用于获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定毫米波灰度图像中人体的性别部位区域位置；性别部位区域位置包括胸部区域位置和裆部区域位置；

提取子图像单元，用于提取性别部位区域位置对应的区域子图像；

归一化处理单元，用于对区域子图像进行尺度归一化，得到归一化后的区域子图像；

特征信息提取单元，用于对归一化后的区域子图像进行特征信息提取，得到归一化后的区域子图像的特征信息；特征信息包括胸部区域位置的形状特征信息和胸部区域特征信息、裆部区域位置的灰度方差信息和裆部区域特征信息；

分类单元，用于通过与特征信息对应的各预设分类器，根据特征距离的大小排序，对毫米波灰度图像进行识别，并分别输出结果；特征距离为特征信息与对应的预设分类器的特征信息的距离；

识别单元，用于对输出结果进行集成，得到毫米波灰度图像的分类识别结果。

上述技术方案具有如下有益效果：

本发明人体性别自动识别方法及装置，为实现毫米波图像中人体性别自动识别达到较高的识别准确率，针对不同性别的人体毫米波图像成像结果表现出的不同特点，对毫米波图像的内容信息进行分析，提取不同的特征信息采用多个分类器集成对性别进行识别，实现了毫米波图像的人体性别自动识别。本发明能有效适用于真实的毫米波安检系统中，具有较高的识别率和计算效率，解决了毫米波安检系统中对针对不同性别的人体采取不同方式的隐私保护和检测方法的问题。

附图说明

图1为本发明人体性别自动识别方法实施例1的流程示意图；

图2为本发明人体性别自动识别方法实施例2的流程示意图；

图3为本发明人体性别自动识别方法男性和女性输入图像示例图；

图4为本发明人体性别自动识别方法分别提取男性胸部和裆部区域子图像并进行尺度归一化后图像示例图；

图5为本发明人体性别自动识别方法分别提取女性胸部和裆部区域子图像并进行尺度归一化后图像示例图；

图6为本发明人体性别自动识别装置实施例1的结构示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明人体性别自动识别方法实施例1：

为了解决传统性别识别方法计算效率和识别准确率低的问题，本发明提供了一种人体性别自动识别方法实施例1；图1为本发明人体性别自动识别方法实施例1的流程示意图；如图1所示，可以包括以下步骤：

步骤S110：获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定毫米波灰度图像中人体的性别部位区域位置；性别部位区域位置包括胸部区域位置和裆部区域位置；

步骤S120：提取性别部位区域位置对应的区域子图像；

步骤S130：对区域子图像进行尺度归一化，得到归一化后的区域子图像；

步骤S140：对归一化后的区域子图像进行特征信息提取，得到归一化后的区域子图像的特征信息；特征信息包括胸部区域位置的形状特征信息和胸部区域特征信息、裆部区域位置的灰度方差信息和裆部区域特征信息；

步骤S150：通过与特征信息对应的各预设分类器，根据特征距离的大小排序，对毫米波灰度图像进行识别，并分别输出结果；特征距离为特征信息与对应的预设分类器的特征信息的距离；

步骤S160：对输出结果进行集成，得到毫米波灰度图像的分类识别结果。

具体而言，本发明的发明人经过大量试验发现：不同性别的人体毫米波图像，在胸部区域子图像中，女性胸部子图像表现出明显的形状特征，而男性胸部子图像表现为较平缓的灰度；在裆部区域子图像中，男性裆部子图像表现为更大的灰度方差，而女性裆部子图像表现出更为平滑的灰度；在胸部和裆部区域子图像中，男性和女性在不同的小区域内表现为不同的灰度信息。

本发明为了提高人体性别识别的准确性，对输入毫米波图像根据身体比例确定人体胸部和裆部区域的位置，然后分别提取出胸部区域子图像和裆部区域子图像并分别进行尺度归一化；针对归一化后的胸部子图像进行形状特征信息和haar-like特征信息的提取，裆部子图像进行haar-like特征信息和灰度方差信息的提取；针对胸部区域子图像提取其形状特征信息，训练一个分类器；针对裆部区域子图像提取其灰度方差信息，训练一个分类器；针对胸部区域子图像和裆部区域子图像分别提取其haar-like特征信息，训练一个分类器；最后将三个分类器进行集成判断，完成人体毫米波图像人体性别的自动识别。

在一个具体的实施例中，步骤S110可以包括：

根据分割阈值T，基于以下公式获得毫米波灰度图像的二值图像I_b：

$I_b(x,y)=\{\begin{array}{cc}255& I(x,y)\&GreaterEqual;T\\ 0& I(x,y)<T\end{array},1\&le;x\&le;X,1\&le;y\&le;Y$

X为毫米波灰度图像的行数目；Y为毫米波灰度图像的列数目；

基于以下公式对I_b(x,y)中分割出的人体区域在y方向构建空间分布直方图向量H_y：

$H_y\left(y\right)=\underset{x}{\&Sigma;}\mathrm{\&delta;}\left(I_b\right(x,y)=255)$

其中，δ表示迪克拉δ函数；x表示行坐标；y表示列坐标；

基于以下公式对直方图向量H_y进行平滑处理：

$H_y\left(y\right)=\left\{\begin{array}{cc}{H}_y\left(y\right)& y<2\\ \left(H_y\right(y-1)+H_y(y)+H_y(y+1\left)\right)/3& 2\&le;y\&le;Y-1\\ H_y\left(y\right)& y>Y-1\end{array}\right.$

对y方向直方图向量H_y进行迭代运算，得到人体垂直中位线所在列；

以人体垂直中位线所在列的中间行为基准，对二值图像I_b中位线所在列的左右像素进行统计，获取人体头顶所在的行x_t和人体脚底所在的行x_f；

根据人体头顶所在的行x_t和人体脚底所在的行x_f，确定人体身高H_e＝x_f-x_t；

根据预设的身体比例，基于以下公式计算胸部起始行x_ch＝x_f-H_e*R_ch，裆部起始行x_cr＝x_f-H_e*R_cr；其中R_ch为统计意义上胸部与身高的比例，R_cr为统计意义上裆部与身高的比例。

在一个具体的实施例中，对y方向直方图向量H_y进行迭代运算，得到人体垂直中位线所在列的步骤可以包括：

基于以下公式，在y方向空间分布直方图向量H_y中设定初始中心点位置值

$y_t^{\left(0\right)}=\left(\min \right(y)+max(y\left)\right)/2;$

基于以下公式，分别计算空间分布位置低于的集合Y₁与空间分布位置高于的集合Y₂的空间分布均值和

${\mathrm{\&mu;}}_{Y_1}^{\left(n\right)}=\frac{\underset{y<y_t^{(n-1)}}{\&Sigma;}{\mathrm{yH}}_y\left(y\right)}{\underset{y<y_t^{(n-1)}}{\&Sigma;}{H}_y\left(y\right)},{\mathrm{\&mu;}}_{Y_2}^{\left(n\right)}=\frac{\underset{y>y_t^{(n-1)}}{\&Sigma;}{\mathrm{yH}}_y\left(y\right)}{\underset{y>y_t^{(n-1)}}{\&Sigma;}{H}_y\left(y\right)};$

令在时停止迭代，获取人体中位线所在列的位置

在一个具体的实施例中，步骤S130中获取形状特征信息的步骤可以包括：

根据边缘检测算法，得到提取归一化后的区域子图像的边缘曲线，基于边缘曲线上点的曲率，获取形状特征信息；

步骤S130中获取灰度方差信息的步骤可以包括：

对归一化后的区域子图像进行灰度方差计算处理，获取灰度方差信息。

在一个具体的实施例中，胸部区域特征信息包括胸部区域haar-like特征信息；裆部区域特征信息包括裆部区域haar-like特征信息。

具体而言，即可以针对归一化后胸部子图像I_ch使用Canny边缘检测算法得到归一化后胸部子图像边缘曲线e_ch＝[e₁,…,e_i,…,e_n]，再对边缘线各点e_i进行SVD(矩阵奇异值分解)分解估计出其切线方向，则邻近点切线方向的改变量对其之间欧式距离的比值可近似认为是该点的曲率大小，进一步构成胸部子图像的形状特征信息E_ch；

针对归一化后胸部子图像I_ch和裆部子图像I_cr分别提取其haar-like特征信息F_ch和F_cr；针对归一化后裆部子图像I_cr计算其灰度方差T_cr。

在一个具体的实施例中，步骤S160可以包括：

根据输出结果和各分类器的权重，对毫米波灰度图像进行归类，获取分类识别结果。

具体而言，针对上述步骤训练出的分类器，对每个分类器根据分类器准确率来设定一个各自的权重，若多个分类器识别的结果更接近于哪一类，则将当前待识别图像归属于该类。

本发明人体性别自动识别方法实施例2：

为了解决传统性别识别方法计算效率和识别准确率低的问题，本发明还提供了一种人体性别自动识别方法实施例2；图2为本发明人体性别自动识别方法实施例2的流程示意图；如图2所示，可以包括以下步骤：

a)输入包含人体毫米波探测结果的毫米波灰度图像I；图3为本发明人体性别自动识别方法男性(图左)和女性(图右)输入图像示例图；

b)对毫米波灰度图像I根据统计数据的身体比例确定胸部和裆部区域位置；

步骤b)可以包括如下子步骤：

b1)通过分割阈值T，获得二值化图像I_b：将毫米波灰度图像I中灰度值高于T的像素区域被认为人体区域，灰度值设为255，其余位置被认为背景区域，设置为0：

$I_b(x,y)=\{\begin{array}{cc}255& I(x,y)\&GreaterEqual;T\\ 0& I(x,y)<T\end{array},1\&le;x\&le;X,1\&le;y\&le;Y$

矩阵I_b的行数、列数分别与毫米波灰度图像I的行、列数目相等，且X和Y分别为I的行和列数目；其中，对图像进行二值化，就是使得目标为白色(灰度表现为255)，背景为黑色(灰度表现为0)。

b2)对I_b(x,y)中分割出的人体区域在y方向构建空间分布直方图向量H_y：

$H_y\left(y\right)=\underset{x}{\&Sigma;}\mathrm{\&delta;}\left(I_b\right(x,y)=255)$

其中，δ表示迪克拉δ函数；x表示行坐标；y表示列坐标；

b3)对直方图向量H_y进行平滑处理，平滑尺度为3(平滑尺度即一个平滑窗口大小)：

$H_y\left(y\right)=\left\{\begin{array}{cc}{H}_y\left(y\right)& y<2\\ \left(H_y\right(y-1)+H_y(y)+H_y(y+1\left)\right)/3& 2\&le;y\&le;Y-1\\ H_y\left(y\right)& y>Y-1\end{array}\right.$

b4)对y方向直方图向量H_y进行迭代运算，求取人体垂直中位线所在列；

b5)以步骤b4)获得的人体垂直中位线所在列的中间行为基准，对二值图像I_b自下而上对中位线所在列的左右像素进行统计，若灰度值为255的像素数小于设定的阈值T_t，则将该行标记为头顶所在的行x_t；

b6)根据设定的搜索范围x∈[X-T_F,X]，y∈[0,Y]，其中，T_F为根据经验设定的一个脚底行与图像行数距离范围，对二值图像I_b自上而下进行像素统计，若灰度值为255的像素数小于设定的阈值T_f，则将该行标记为脚底所在的行x_f；

b7)根据步骤b5)和步骤b6)确定的头顶所在行和脚底所在行确定人体身高H_e＝x_f-x_t，并进一步由人体比例分别计算胸部起始行为x_ch＝x_f-H_e*R_ch，裆部起始行为x_cr＝x_f-H_e*R_cr，其中R_ch为统计意义上胸部与身高的比例，R_cr为统计意义上裆部与身高的比例。

步骤b4)可以包括如下子步骤：

b4-1)在y方向空间分布直方图向量H_y中设定初始中心点位置值

$y_t^{\left(0\right)}=\left(\min \right(y)+max(y\left)\right)/2;$

b4-2)分别计算空间分布位置低于的集合Y₁与空间分布位置高于的集合Y₂的空间分布均值和

${\mathrm{\&mu;}}_{Y_1}^{\left(n\right)}=\frac{\underset{y<y_t^{(n-1)}}{\&Sigma;}{\mathrm{yH}}_y\left(y\right)}{\underset{y<y_t^{(n-1)}}{\&Sigma;}{H}_y\left(y\right)},{\mathrm{\&mu;}}_{Y_2}^{\left(n\right)}=\frac{\underset{y>y_t^{(n-1)}}{\&Sigma;}{\mathrm{yH}}_y\left(y\right)}{\underset{y>y_t^{(n-1)}}{\&Sigma;}{H}_y\left(y\right)};$

b4-3)令若则停止迭代，此时即为人体中位线所在位置，否则返回步骤b4-2)继续迭代；

c)对毫米波灰度图像I，分别提取其胸部和裆部区域子图像I_ch和I_cr；

步骤c)可以包括如下子步骤：

c1)设定胸部搜索范围x∈[x_ch,H_e*R_ch]，y∈[y_t-H_e*W_ch，y_t+H_e*W_ch]，对胸部区域图像进行提取，获得胸部区域子图像I_ch，其中W_ch为统计意义上胸部宽度与身高的比例；

c2)设定裆部搜索范围x∈[x_cr,H_e*R_cr]，y∈[y_t-H_e*W_cr，y_t+H_e*W_cr]，对裆部区域图像进行提取，获得裆部区域子图像I_cr，其中W_cr为统计意义上裆部宽度与身高的比例。

d)分别对胸部和裆部区域子图像I_ch和I_cr进行尺度归一化，分别获得归一化后的胸部和裆部子图像I_ch′和I_cr′；

步骤d)可以包括如下子步骤：

d1)将胸部子图像I_ch映射到一个大小为X_ch*Y_ch的独立空间，获得新的胸部子图像I_ch′；

d2)将裆部子图像I_cr映射到一个大小为X_cr*Y_cr的独立空间，获得新的裆部子图像I_cr′；

其中，图4为本发明人体性别自动识别方法分别提取男性胸部和裆部区域子图像并进行尺度归一化后图像示例图；图5为本发明人体性别自动识别方法分别提取女性胸部和裆部区域子图像并进行尺度归一化后图像示例图。

e)针对归一化后的胸部子图像I_ch′提取其形状特征信息和haar-like特征信息，针对归一化后的裆部子图像I_cr′提取其灰度方差信息和haar-like特征信息；

步骤e)可以包括如下子步骤：

e1)针对归一化后胸部子图像I_ch使用Canny边缘检测算法得到归一化后胸部子图像边缘曲线e_ch＝[e₁,…,e_i,…,e_n]，再对边缘线各点e_i进行SVD分解估计出其切线方向，则邻近点切线方向的改变量对其之间欧式距离的比值可近似认为是该点的曲率大小，进一步构成胸部子图像的形状特征信息E_ch；

e2)针对归一化后胸部子图像I_ch和裆部子图像I_cr分别提取其haar-like特征信息F_ch和F_cr；

e3)针对归一化后裆部子图像I_cr计算其灰度方差T_cr。

f)针对归一化后的胸部子图像I_ch′提取的形状特征信息训练分类器S1，针对归一化后的胸部子图像I_ch′提取的haar-like特征信息训练分类器S2，针对归一化后的裆部子图像I_cr′提取的haar-like特征信息训练分类器S3，针对归一化后的裆部子图像I_cr′提取的灰度方差信息训练分类器S4；

步骤f)可以包括如下子步骤：

f1)在毫米波图像库中分别随机选取N帧男性图像和N帧女性图像作为训练样本，N为小于样本库中男性图像数量和女性图像数量中的较小者的整数；

f2)分别对N帧男性图像和N帧女性图像按照步骤b)-e)提取其胸部子图像的形状特征信息，胸部子图像和裆部子图像的haar-like特征信息，裆部子图像的方差信息；

f3)针对N帧男性图像和N帧女性图像胸部子图像形状特征信息，训练分类器S1，将待识别图像形状特征信息与N帧男性图像和N帧女性图像形状特征信息的N个距离按从小到大进行排序，则当前待识别图像与距离其最近的图像属于同一类；

f4)针对N帧男性图像和N帧女性图像胸部子图像和裆部子图像haar-like特征信息，分别训练分类器S2和S3，将待识别图像胸部子图像和裆部子图像的haar-like特征信息分别与N帧男性图像和N帧女性图像胸部子图像和裆部子图像haar-like特征信息的N个距离分别按从小到大进行排序，则当前待识别图像与距离其最近的图像属于同一类；

f5)针对N帧男性图像和N帧女性图像裆部子图像灰度方差信息，训练分类器S4，将待识别图像灰度方差信息与N帧男性图像和N帧女性图像灰度方差信息的N个距离按从小到大进行排序，则当前待识别图像与距离其最近的图像属于同一类；

步骤g)包括如下子步骤：

针对步骤f)训练出的分类器S1，S2，S3和S4，对每个分类器根据分类器准确率来设定各自的权重，若多个分类器识别的结果更接近于哪一类，则将当前待识别图像归属于该类。

其中，步骤b1)中涉及的灰度分割阈值算法为通过自动阈值分割算法，步骤e2)中涉及的haar-like特征提取算法，以及步骤g)中涉及的根据分类器准确率来设定权重的方法，属于本领域当中公知技术，在此不再赘述。

本发明相对传统人体性别自动识别方法具有以下突出的优点：

(1)本发明针对不同性别人体毫米波图像中胸部和裆部区域子图像呈现出不同的差异特征，采取不同的特征提取方式，而非单纯地依靠灰度方差进行识别，从而使得本发明有效地提高了识别的准确度，同时在实时性上也能得到保证。

(2)本发明采用多个分类器集成的方式，降低了单一分类器分类识别结果存在一定的误判率。

本发明人体性别自动识别装置实施例1：

基于以上人体性别自动识别方法的技术思想，同时为了解决传统性别识别方法计算效率和识别准确率低的问题，本发明还提供了一种人体性别自动识别装置实施例1；图6为本发明人体性别自动识别装置实施例1的结构示意图；如图6所示，可以包括：

确定区域位置单元610，用于获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定毫米波灰度图像中人体的性别部位区域位置；性别部位区域位置包括胸部区域位置和裆部区域位置；

提取子图像单元620，用于提取性别部位区域位置对应的区域子图像；

归一化处理单元630，用于对区域子图像进行尺度归一化，得到归一化后的区域子图像；

特征信息提取单元640，用于对归一化后的区域子图像进行特征信息提取，得到归一化后的区域子图像的特征信息；特征信息包括胸部区域位置的形状特征信息和胸部区域特征信息、裆部区域位置的灰度方差信息和裆部区域特征信息；

分类单元650，用于通过预设的各分类器基于对应的特征信息对毫米波灰度图像进行识别，并分别输出结果；分类器为基于毫米波图像数据库中训练样本对应的特征信息经训练得到的；

识别单元660，用于对输出结果进行集成，得到毫米波灰度图像的分类识别结果。

在一个具体的实施例中，特征信息提取单元640包括：

胸部特征提取模块642，用于提取胸部区域特征信息，并根据边缘检测算法，得到提取归一化后的区域子图像的边缘曲线，基于边缘曲线上点的曲率，获取形状特征信息；

裆部特征提取模块644，用于提取裆部区域特征信息，并对归一化后的区域子图像进行灰度方差计算处理，获取灰度方差信息。

在一个具体的实施例中，胸部区域特征信息包括胸部区域haar-like特征信息；裆部区域特征信息包括裆部区域haar-like特征信息。

在一个具体的实施例中，识别单元660，用于根据输出结果和各分类器的权重，对毫米波灰度图像进行归类，获取分类识别结果。

本发明人体性别自动识别装置实施例1，为实现毫米波图像中人体性别自动识别达到较高的识别准确率，针对不同性别的人体毫米波图像成像结果表现出的不同特点，对毫米波图像的内容信息进行分析，提取不同的特征信息采用多个分类器集成对性别进行识别，实现了毫米波图像的人体性别自动识别。本发明能有效适用于真实的毫米波安检系统中，具有较高的识别率和计算效率，解决了毫米波安检系统中对针对不同性别的人体采取不同方式的隐私保护和检测方法的问题。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种人体性别自动识别方法，其特征在于，包括以下步骤：

获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定所述毫米波灰度图像中人体的性别部位区域位置；所述性别部位区域位置包括胸部区域位置和裆部区域位置；

提取所述性别部位区域位置对应的区域子图像；

对所述区域子图像进行尺度归一化，得到归一化后的区域子图像；

对所述归一化后的区域子图像进行特征信息提取，得到所述归一化后的区域子图像的特征信息；所述特征信息包括所述胸部区域位置的形状特征信息和胸部区域特征信息、所述裆部区域位置的灰度方差信息和裆部区域特征信息；

通过与所述特征信息对应的各预设分类器，根据特征距离的大小排序，对所述毫米波灰度图像进行识别，并分别输出结果；所述特征距离为所述特征信息与对应的所述预设分类器的特征信息的距离；

对所述输出结果进行集成，得到所述毫米波灰度图像的分类识别结果。

2.根据权利要求1所述的人体性别自动识别方法，其特征在于，根据预设的身体比例，确定所述毫米波灰度图像中人体的性别部位区域位置的步骤包括：

根据分割阈值T，基于以下公式获得所述毫米波灰度图像的二值图像I_b：

X为所述毫米波灰度图像的行数目；Y为所述毫米波灰度图像的列数目；

基于以下公式对I_b(x,y)中分割出的人体区域在y方向构建空间分布直方图向量H_y：

其中，δ表示迪克拉δ函数；x表示行坐标；y表示列坐标；

基于以下公式对所述直方图向量H_y进行平滑处理：

对y方向直方图向量H_y进行迭代运算，得到人体垂直中位线所在列；

以所述人体垂直中位线所在列的中间行为基准，对所述二值图像I_b中位线所在列的左右像素进行统计，获取人体头顶所在的行x_t和人体脚底所在的行x_f；

根据所述人体头顶所在的行x_t和所述人体脚底所在的行x_f，确定人体身高H_e＝x_f-x_t；

根据所述预设的身体比例，基于以下公式计算胸部起始行x_ch＝x_f-H_e*R_ch，裆部起始行x_cr＝x_f-H_e*R_cr；其中R_ch为统计意义上胸部与身高的比例，R_cr为统计意义上裆部与身高的比例。

3.根据权利要求2所述的人体性别自动识别方法，其特征在于，对y方向直方图向量H_y进行迭代运算，得到人体垂直中位线所在列的步骤包括：

基于以下公式，在y方向空间分布直方图向量H_y中设定初始中心点位置值

基于以下公式，分别计算空间分布位置低于的集合Y₁与空间分布位置高于的集合Y₂的空间分布均值和

令在时停止迭代，获取所述人体中位线所在列的位置

4.根据权利要求1至3任意一项所述的人体性别自动识别方法，其特征在于，获取所述形状特征信息的步骤包括：

根据边缘检测算法，得到提取所述归一化后的区域子图像的边缘曲线，基于所述边缘曲线上点的曲率，获取所述形状特征信息；

获取所述灰度方差信息的步骤包括：

对所述归一化后的区域子图像进行灰度方差计算处理，获取所述灰度方差 信息。

5.根据权利要求1至3任意一项所述的人体性别自动识别方法，其特征在于，所述胸部区域特征信息包括胸部区域haar-like特征信息；所述裆部区域特征信息包括裆部区域haar-like特征信息。

6.根据权利要求1至3任意一项所述的人体性别自动识别方法，其特征在于，对所述输出结果进行集成，得到所述待识别图像的分类识别结果的步骤包括以下步骤：

根据所述输出结果和各所述分类器的权重，对所述毫米波灰度图像进行归类，获取所述分类识别结果。

7.一种人体性别自动识别装置，其特征在于，包括：

确定区域位置单元，用于获取当前待识别的毫米波灰度图像，根据预设的身体比例，确定所述毫米波灰度图像中人体的性别部位区域位置；所述性别部位区域位置包括胸部区域位置和裆部区域位置；

提取子图像单元，用于提取所述性别部位区域位置对应的区域子图像；

归一化处理单元，用于对所述区域子图像进行尺度归一化，得到归一化后的区域子图像；

特征信息提取单元，用于对所述归一化后的区域子图像进行特征信息提取，得到所述归一化后的区域子图像的特征信息；所述特征信息包括所述胸部区域位置的形状特征信息和胸部区域特征信息、所述裆部区域位置的灰度方差信息和裆部区域特征信息；

分类单元，用于通过与所述特征信息对应的各预设分类器，根据特征距离的大小排序，对所述毫米波灰度图像进行识别，并分别输出结果；所述特征距离为所述特征信息与对应的所述预设分类器的特征信息的距离；

识别单元，用于对所述输出结果进行集成，得到所述毫米波灰度图像的分类识别结果。

8.根据权利要求7所述的人体性别自动识别装置，其特征在于，

所述特征信息提取单元包括：

胸部特征提取模块，用于提取所述胸部区域特征信息，并根据边缘检测算 法，得到提取所述归一化后的区域子图像的边缘曲线，基于所述边缘曲线上点的曲率，获取所述形状特征信息；

裆部特征提取模块，用于提取所述裆部区域特征信息，并对所述归一化后的区域子图像进行灰度方差计算处理，获取所述灰度方差信息。

9.根据权利要求7或8所述的人体性别自动识别装置，其特征在于，所述胸部区域特征信息包括胸部区域haar-like特征信息；所述裆部区域特征信息包括裆部区域haar-like特征信息。

10.根据权利要求7或8所述的人体性别自动识别装置，其特征在于，

所述识别单元，用于根据所述输出结果和各所述分类器的权重，对所述毫米波灰度图像进行归类，获取所述分类识别结果。