特征融合技术在人脸性别识别中的应用

"基于特征融合的人脸图像性别识别 (2013年) - 智能系统学报 Vol.8 No.6 - 李同宁, 李卫军, 草鸿" 本文主要探讨了人脸识别领域中的一个特定问题——性别识别，并提出了一种新颖的特征融合方法来提高识别的稳定性和准确性。在传统的性别识别研究中，往往存在训练和测试数据集重叠的问题，这可能导致评估结果的偏差。为了解决这个问题，作者构建了两个独立的集合，即训练集和测试集，确保了实验结果的可靠性。 该方法的核心是结合全局特征和局部特征来增强性别识别能力。首先，通过主成分分析(PCA)来提取人脸图像的全局特征，PCA能够有效地降维并保留关键信息，减少冗余，同时降低计算复杂度。接着，利用正交化的线性判别分析(Orthogonal Linear Discriminant Analysis, O-LDA)，这是一种改进的LDA方法，克服了传统LDA在处理二分类任务时对秩的限制，使得特征表达更为灵活。 此外，为了捕捉图像的局部细节，文章采用了均衡的局部二值模式(Equi-Binary Local Binary Patterns, E-BLBP)。E-BLBP是一种纹理描述符，可以捕获图像局部区域的结构信息，对于性别识别这样的任务尤其有用，因为它可以帮助区分不同性别间的微妙差异。然后，通过融合少量的全局特征和丰富的局部特征，形成更全面的人脸性别特征向量。 最后，支持向量机(Support Vector Machine, SVM)被用作分类器，SVM以其强大的非线性分类能力和泛化性能，能够有效地利用这些融合特征进行性别分类。实验结果显示，这种方法不仅提高了识别的稳定性，而且在保持高识别率的同时，降低了误判的可能性。 总结关键词：人脸识别、性别识别、全局特征、局部特征、特征融合、主成分分析、正交化线性判别分析、局部二值模式、支持向量机。 参考文献格式：李同宁，李卫军，草鸿。基于特征融合的人脸图像性别识别。智能系统学报，2013，8(6):505-511。 英文引用：LITongyu, LIWeijun, QINHong. Facialimagegenderrecognitionmethodbasedonfeaturefusion. CAAi TransactionsonIntelligentSystems, 2013, 8(6):505-511.