基于PCA法的人脸性别鉴别南山学报.doc

基于PCA 算法的人脸性别鉴别 柳华 （烟台南山学院， 山东烟台，265713） 摘 要：人脸的性别分类是指根据人脸的图像判别其性别的模式识别问题。本文首先通过主成份分析（PCA） 算法求出训练样本的特征子空间，测试样本和训练样本分别向特征子空间投影，分别得到一组坐标系数做为待识别的特征。最后利用最近邻准则进行性别鉴别。在人脸数据库ORL(Olivetti Research Laboratory)进行实验，实验结果得出，基于PCA 算法的人脸性别识别，识别性能好，是一种有效的性别鉴别方法。 关键词：性别识别；PCA算法；ORL人脸数据库 中图分类号： TP391.41 文献标志码：A Gender Classification Based on PCA for Facial Images LIU Hua (Yantai Nanshan University, Yantai，Shandong，265713) Abstract: Gender classification is a pattern recognition problem of deciding the gender according to the face image.Feature sub-space of training samples is obtained by PCA (Principal Components Analysis).The test samples and training samples are respectively projected to the feature space, recognition features are accordingly gained by a set of coordinates coefficient. The nearest neighbor rule is utilized in gender classification.Experimental results on ORL face database show that PCA is well in recognition performance,and is a valid method in gender classification. Keywords: gender classification; PCA algorithm; ORL face database 在计算机识别与监控中，计算机视觉发挥着重要的作用,出现了人脸识别和跟踪、年龄估计以及性别识别等研究领域。其中，人脸性别识别是一个重要的研究课题，即利用计算机通过人脸图像信息识别被观察者的性别属性。各国研究人员都对该课题做了相关的研究，他们采用不同的识别方法，其中大多数研究者采用基于神经网络和基于支持向量机的方法[1-4]。性别识别作为人机交互的一部分，起着非常重要的作用，该项研究不仅能加强现有的人机交互能力，而且还能在智能环境中对一些有性别要求的特定场所的出入进行性别限制，统计性别信息等。 人脸图像在计算机中以高维的矩阵存储，人脸图像上的点用矩阵的行和列标出，该点的灰度等级就是矩阵中相应元素的值，从而，性别识别的问题就相当于对高维的矩阵进行处理，所以，达不到实时识别的要求，速度比较慢[5-6]。对于解决这一问题，我们通常采用的方法是利用降维技术，线性鉴别分析(Linear Discriminant Analysis,LDA)和 主成分分析 (Principal Components Analysis, PCA) [7]，是常用的两种有效的降维方法。本文采用PCA 算法进行人脸性别识别，PCA算法的原理就是将一个高维的向量通过一个特殊的特征向量矩阵，投影到一个低维的向量空间中，表征为一个低维向量，这样就可以提高性别识别的速度，由于男女性别人脸之间存在差异性，并且男性或女性人脸结构存在相似性，所以在高维空间中人脸图像的分布是存在着某种规律的。因此，在性别识别过程中，PCA算法将人脸图像空间降维到维数2×2的特征子空间中，这样维数大大减少，并且还保留了原始图像数据的大部分有用的信息，实验结果说明：该算法对表情变化或者轻微倾斜的人脸图像进行性别识别有较强的鲁棒性，并且具有较高的正确识别率和识别速度。 1 PCA算法原理 PCA算法是统计模式识别中一个经典的特征提取方法，PCA算法的原理是通过除去数据间的相关性达到降维的目的。在PCA中，一幅人脸图像用一个n维向量x来表示，n的大小等于人脸图像的高乘以宽。训练集由进行完规一化后的标准人脸图像来组成。产生矩阵用该样本集的总体散布矩阵即