基于人脸的性别识别(内含人脸数据库)

时间：2025-07-13

人脸识别

上海交通大学

硕士学位论文

基于人脸的性别识别

姓名：许孜奕

申请学位级别：硕士

专业：模式识别与智能系统

指导教师：施鹏飞

20090120

人脸识别

基于人脸的性别识别

摘要

人脸是重要的生物特征之一，人脸图像上蕴含了大量的信息，例如

性别、年龄、人种、身份等。人脸的性别识别就是试图赋予计算机根据输入的人脸图像判断其性别的能力。

本文基于人脸正面图像进行性别分类。一般而言，人脸性别识别系

统分为图像预处理，人脸特征提取和分类器识别三部分。本文针对这三个部分展开研究，并比较了几种不同方案的识别性能。

通过对性别识别的重要理论的研究，为了提高性别识别率，本文提

出了采用AdaBoost算法提取整体特征，主动表观模型提取局部特征，组合局部与整体特征后使用支持向量机（SVM）进行分类的方法。本文在一个由AR、FERET、CAS-PEAL-R1、网上收集和实验室自行采集所共同组成的，包含21,300余张人脸的数据库上，进行了大量有意义的实验。实验结果显示，融合了整体特征和局部特征后，识别率比基于（单独）整体特征的、基于（单独）局部特征的有很大的提高，达到了90%以上。本文还通过精心设计的对比实验对预处理过程中人脸有效区域的截取和AdaBoost的结构选择等方面给出了合理的建议。

人脸识别

关键词：性别识别，局部特征，整体特征，AdaBoost，支持向量机，主动表观模型

人脸识别

Gender Recognition Based on Face Features

ABSTRACT

Face is an important biological feature. Face images contain a great deal

of information, such as gender, age, race, ID, etc. Gender recognition is an attempt to give the computers the ability to discriminate the gender information from a face image.

Generally speaking, one gender classification system consists of three

modules, face image preprocessing, facial feature extraction and classifier. This paper researches on the three modules and compares some different methods.

In this paper, a novel gender classification method based on frontal face

images is presented. In this work, the global features are extracted using AdaBoost algorithm. Active Appearance Model (AAM) locates 83 landmarks, from which the local features are characterized. After the fusion of the local and global features, the mixed features are used to train support vector machine (SVM) classifiers. This method is evaluated by the recognition rates over a mixed face database containing over 21,300 images from 4 sources (AR, FERET, CAS-PEAL-R1, WWW and a database collected by the lab).

人脸识别

Experimental results show that the hybrid method outperforms the unmixed appearance- or geometry-feature based methods and achieve a classification rate over 90%. Reasonable suggestions on the extraction of facial region and the selection of AdaBoost structure is given based on carefully designed experiments.

Keywords: gender recognition; local features; global features; AdaBoost; SVM; AAM

人脸识别

学位论文原创性声明

本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独

立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：

日期：年月日

人脸识别

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，

同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密□，在年解密后适用本授权书。