摘 要

在计算机科学、人工智能飞速发展的今天，模式识别是其中发展最为迅猛的主要技术之一，而人脸识别技术是模式识别领域的一个重要研究分支。基于人脸的性别分类，它是在人脸识别的基础上加入了性别元素，根据输入的人脸图像判别其性别的过程，即先对选取的人脸图像进行训练，提取出有利于分类的判别信息，从而使计算机具有自动识别人的性别的能力。

此类的研究已有很多方法，如Fisher 线性判别分析( Fisher Linear Discriminant Analysis: FLDA)、最佳特征提取、Adaboost算法、支持向量机（Support Vecotr Machine:SVM）等。本课题是采用FLDA方法进行人脸性别识别尝试。具体步骤如下：1）将人脸图像分为训练集和测试集；2）训练集中人脸图像标记为两类：男性和女性，用于训练FLDA分类器；3）根据所得的分类器测试待识别的人脸图像，记录其分类精度，以检验FLDA的分类能力。本课题所用数据集是国际标准人脸数据库ORL，数据库中有400张不同的人脸图片：40×10人/张。本课题使用的工具是Matlab7.0，工具有可使用的函数丰富、增加路径管理、语言简单易学和界面易操作等特点，为课题能够成功顺利做完提供了条件。

【关键字】人脸性别识别；Fisher 线性判别分析(FLDA)；ORL人脸数据库； Matlab7.0

Abstract

Nowadays, with the rapid development of computer science and artificial intelligence, pattern recognition is one of the main methodologies. The face recognition is one of the important branches of such research fields. The so-called gender classification, recognize human gender based on face digital images by mending gender information to the given samples. That is, firstly, we separate the given face images into two part: training set and test set; secondly, extract useful discrimant information to construct a gender classifier with the given training set. In doing so, then machines are able to automatically distinguish human gender.

There exist lots of methods for such binary classification problems, such as, Fisher Linear Discriminant Analysis (FLDA, or referred to as LDA), Best Feature Extraction, Adaboost Algorithm and Support Vector Machine (SVM), etc. In this paper, we attempt to take FLDA algorithm to training such gender classifier. The steps are as follows: 1)divide the human face images into training set and testing set; 2) classify train set into two subset and label them as: male and female, and then train FLDA classifier with foresaid two disjoint training subsets; 3) test the unlabeled human face images by the classifier and record the classification precision to validate its ability. The benchmark ORL face image database, containing 400 different face images in the database: 40 person with each 10 shots is used in this paper. . We develop our codes to conveniently achieve FLDA with Matlab 7.0 platform for its powerful performance including: rich available functions, increased path management, easy-learning language and easy-operating interface, etc.

Key Words: human face gender classification; Fisher Linear Discriminant Analysis(FLDA);ORL face image database;Matlab7.0

目 录

第一章 绪论 1

1.1 该课题研究背景和意义 1

1.2 人脸性别识别的研究现状 1

1.3 分类器一般的处理过程 2

1.4 本论文的结构安排 3

第二章 Matlab工具简介 4

2.1 Matlab界面 4

2.2 Matlab工作区功能简介 5

2.3 函数功能及用法举例 5

第三章 人脸数据库及人脸性别识别 7

3.1 一些常用人脸库介绍 7

3.2 ORL人脸数据库 8

3.3 人脸性别识别 11

第四章Fisher线性判别分析 13

4.1 引言 13

4.2 算法描述 13

4.3 FLDA数学模型 14

第五章 实验分析 18

5.1 基于Fisher判别分析的人脸性别识别 18

5.1.1 分析处理ORL人脸数据库 18

5.1.2 人脸性别识别 19

第六章 实验结果 23

第七章 全文总结 26

致 谢 27

参考文献 28

第一章 绪论

该课题研究背景和意义

人脸作为人类最明显和最重要的特征之一，能反映出很多信息，如表情、人种、性别等。这些信息在维护经济、军事、金融和日常生活等领域的安全方面起到不可低估的作用，与现流行的指纹识别相比，人脸识别不需要接触到人的身体，便可以通过一定的技术识别出个体的人脸信息和性别信息，所以比较容易被人们接受，被广泛的应用于很多领域，以上原因使得人脸识别在近些年成为数字图像处理领域中被较多研究的分支之一，也是相对活跃的分支之一。

人脸性别识别就是根据输入的人脸图像判别其性别的图像识别处理过程。事实上，对于人来说，判别男女是一件很容易的事情，但是想要使计算机自动识别出输入的图像是男性还是女性这并不是件简单的事情，所以就需要通过选择合适的判别方法来达到这一目的，而且该判别方法必须尽可能高准确率的来识别出人的性别，否则这项研究技术将不会得到广泛使用。人脸性别分类是一个典型的二分类问题，按照抽取特征方式的不同和分类方法的不同解决方法有很多种，本课题是使用Fisher 线性判别分析（简称FLDA）展开研究的。历史上，这项技术是由R.A.Fisher（1936）的经典论文开始的。Fisher判别分析法稳定性差,分析结果容易受其他因素的干扰，不过由于该方法计算相对简单,判别式使用方便,使得Fisher判别至今仍是人们所广泛使用的一种重要方法。目前在国内还有很多有关于这方面的学术性研究，运用不同的分类识别算法，对样本图像进行识别，均取得了很好的识别效果。

人脸性别识别的研究现状

随着计算机科学与技术、人工智能的飞速发展，以及金融贸易、网络和微电子日益成为社会及时代的主题，生物信息识别技术越来越得到人们的重视。其中人脸识别成为计算机识别、模式识别和人工智能等领域的研究热门。人脸识别技术是近几年来刚刚兴起的，但却不大被很多人知道的一门新技术。 绝大多数人只是在电视或电影中看到一些类似刑警抓小偷，通过电脑上分析比对犯罪嫌疑人的人脸面部特征来侦破案件，尤其是一些美国大片，呈现出来的技术是“先进”的让观看的人目瞪口呆，同时也让人产生疑惑，这样的情节是虚构出来的还是现阶段某些国家已经达到了？其实这些并非都是电影制作人幻想出来的，目前人脸识别技术已经被大量广泛的应用在很多国家的重要事务当中，小到一个单位的安全防范，大到一个国家的军事安全领域。比如，在国外，人脸识别技术早已被大量使用在国家的很多重要部门，人脸识别的应用范围领域越来越广，新技术也越来越多，目前人脸识别技术研究水平相对较高的机构包括：美国麻省理工学院媒体研究室及人工智能实验室、南加州大学、马里兰大学等。另外其他一些国家和地区也有很多机构在对人脸识别进行着研究。