·510· 智能系统学报 第8卷 DA的数据参数设定在一定范围内对性别识别的结 sis and Machine Intelligence,2002,24(5):707-711. 果影响较小.在16个块大小和121个块大小的条件 [7]SHAKHNAROVICH G,VIOLA P,MOGHADDAM B.A u- 下，本文算法的识别率分别维持在94%左右和95% nified learning framework for real time face detection and 左右.只在全局特征数据的基础上，增加10~20维 classification[C]//IEEE Conf on Automatic Face and Ges- 数据，即可实现较高的识别率，验证了本文提出的特 ture Recognition.Washinton,DC,USA,2002:14-21. [8]COSTEN N P,BROWN M,AKAMATSU S.Sparse models 征融合的有效性， for gender classification[C]//IEEE Conf on Automatic Face 本文算法涉及的可调参数分别为图像分块大 and Gesture Recognition.Seoul,Korea,2004:201-206. 小、PCA特征提取数据维数和OLDA特征提取数据 [9]SAATCI Y,TOWN C.Cascaded classification of gender and 维数，图4表明这些可调参数在相当大的调试范围 facial expression using active appearance models [C]// 内对本文算法的识别率均影响较小，表现了该方法 IEEE Conf on Automatic Face and Gesture Recognition. 具有较强的稳定性。 Southampton,UK,2006:393-398. [10]BRUNELLI R,POGGIO T.HyperBF networks for gender 6结束语 classification[C]//Defense Advanced Research Projects 本文以单样本人脸图像研究为起点，建立了相 Agency Image Understanding Workshop.San Diego,USA, 1992:311-314. 互独立的训练库和测试库，改进了LDA算法，使之 [11]EDELMAN B,VALENTIN D,ABDI H.Sex classification 能够应用于二分类问题，打破了传统LDA存在的秩 of face areas:how well can a linear neural network predict 问题.提出PCA+OLDA的全局特征提取方法，使得 human performance[J.Joural of Biological System, 图像特征中性别信息比重增加：采用图像全局特征 1998,6(3):241-264. 和局部特征融合的方式，获得图像的性别特征，使得 [12]文益民，吕宝粮.最小最大模块化支持向量机改进研究 性别特征的描述更加全面.实验证明，本文方法对各 [J].计算机工程与应用，2005,41(19)：185-188. 种可调参数具有鲁棒性，从一定程度上削弱了参数 WEN Yimin,LO Baoliang.Improvement research of min-m 多变给性别识别带来的影响.人脸图像易于采集，且 ax modular support vector machine[J].Journal of Comput- 易被人接受，训练样本数量增加，使得性别识别模型 er Engineering and Applications,2005,41(19):185- 188. 的训练更加充分可靠，实用性明显增强. [13]孙宁，冀贞海，邹采荣，等.基于局部二元模式算子的人 参考文献： 脸性别分类方法[J].华中科技大学学报：自然科学版， 2007,35(z1):177-181. [1]GAO W,CHAO B,SHAN S,et al.The CAS-PEAL large- SUN Ning,JI Zhenhai,ZOU Cairong,et al.Gender clas- scale Chinese face database and baseline evaluations[J]. sification based on local binary pattern[J].Journal of Hua- IEEE Transactions on System,Man,and Cybernetics,Part zhong University of Science and Technology,2007,35 A:Systems and Human,2008,38(1):149-161. (z1):177-181 [2]XIA Bin,SUN He,LO Baoliang.Multiview gender classifi- [14]0ZBUDAK O,KIRC M,CAKIR Y,et al.Effects of the cation based on local Gabor binary mapping pattern and sup- facial and racial features on gender classification [C]// port vector machines[C]//International Joint Conference on IEEE Mediterranean Electrotechnical Conference.Valetta, Neural Networks.Hong Kong,China,2008:3388-3395. Malta,2010:26-29. [3]GOLOMB B A,LAWRENCE D T,SEJNOWSKI T J.SEX- [15]YANG T,KECMAN V.Face recognition with adaptive lo- NET:a neural network identifies sex from human face cal hyperplane algorithm[J].Pattern Anal Applic,2010, [C]//Advances in Neural Information Processing Systems. 13(1):79-83. 「S.L.1,USA,1991:572-577. [16]YE J.Characterization of a family of algorithms for general- [4]COTTRELL G W,METCALFE J.EMPATH:face,emotion ized discriminant analysis on undersampled problemsJ and gender recognition using holons[C]//Advances in Neu- Journal of Machine Learning Research,2005,6(4):483- ral Information Processing Systems.[S.1.],USA,1991: 502. 564-771. [17]OJALA T,PIETIKAINEN M,MAENPAA T.Multiresolu- [5]TAMURA S H,MITSUMOTO K H.Male/female identifica- tion gray-scale and rotation invariant texture classification tion from 8x6 very low resolution face images by neural net- with local binary pattern[J].IEEE Transactions on Pattern work[J].Pattern Recognition,1996,29(2):331-335. Analysis and Machine Intelligence,2002,24(7):971- 6]MOGHADDAM B.YANG M H.Gender classification with 986. support vector Machines[J].IEEE Trans on Pattern Analy- [18]WANG Yu,MU Zhichun,ZENG Hui.Block-based andＤＡ 的数据参数设定在一定范围内对性别识别的结 果影响较小．在 １６ 个块大小和 １２１ 个块大小的条件 下，本文算法的识别率分别维持在 ９４％左右和 ９５％ 左右．只在全局特征数据的基础上，增加 １０ ～ ２０ 维 数据，即可实现较高的识别率，验证了本文提出的特 征融合的有效性． 本文算法涉及的可调参数分别为图像分块大 小、ＰＣＡ 特征提取数据维数和 ＯＬＤＡ 特征提取数据 维数，图 ４ 表明这些可调参数在相当大的调试范围 内对本文算法的识别率均影响较小，表现了该方法 具有较强的稳定性． ６ 结束语 本文以单样本人脸图像研究为起点，建立了相 互独立的训练库和测试库，改进了 ＬＤＡ 算法，使之 能够应用于二分类问题，打破了传统 ＬＤＡ 存在的秩 问题．提出 ＰＣＡ＋ＯＬＤＡ 的全局特征提取方法，使得 图像特征中性别信息比重增加；采用图像全局特征 和局部特征融合的方式，获得图像的性别特征，使得 性别特征的描述更加全面．实验证明，本文方法对各 种可调参数具有鲁棒性，从一定程度上削弱了参数 多变给性别识别带来的影响．人脸图像易于采集，且 易被人接受，训练样本数量增加，使得性别识别模型 的训练更加充分可靠，实用性明显增强． 参考文献： ［１］ＧＡＯ Ｗ， ＣＨＡＯ Ｂ， ＳＨＡＮ Ｓ， ｅｔ ａｌ． Ｔｈｅ ＣＡＳ⁃ＰＥＡＬ ｌａｒｇｅ⁃ ｓｃａｌｅ Ｃｈｉｎｅｓｅ ｆａｃｅ ｄａｔａｂａｓｅ ａｎｄ ｂａｓｅｌｉｎｅ ｅｖａｌｕａｔｉｏｎｓ ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍ， Ｍａｎ， ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ， Ｐａｒｔ Ａ： Ｓｙｓｔｅｍｓ ａｎｄ Ｈｕｍａｎ， ２００８， ３８（１）： １４９⁃１６１． ［２］ＸＩＡ Ｂｉｎ， ＳＵＮ Ｈｅ， ＬÜ Ｂａｏｌｉａｎｇ． Ｍｕｌｔｉｖｉｅｗ ｇｅｎｄｅｒ ｃｌａｓｓｉｆｉ⁃ ｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｌｏｃａｌ Ｇａｂｏｒ ｂｉｎａｒｙ ｍａｐｐｉｎｇ ｐａｔｔｅｒｎ ａｎｄ ｓｕｐ⁃ ｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ［Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ． Ｈｏｎｇ Ｋｏｎｇ， Ｃｈｉｎａ， ２００８： ３３８８⁃３３９５． ［３］ＧＯＬＯＭＢ Ｂ Ａ， ＬＡＷＲＥＮＣＥ Ｄ Ｔ， ＳＥＪＮＯＷＳＫＩ Ｔ Ｊ． ＳＥＸ⁃ ＮＥＴ： ａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｄｅｎｔｉｆｉｅｓ ｓｅｘ ｆｒｏｍ ｈｕｍａｎ ｆａｃｅ ［Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ． ［Ｓ．ｌ．］， ＵＳＡ， １９９１： ５７２⁃５７７． ［４］ＣＯＴＴＲＥＬＬ Ｇ Ｗ， ＭＥＴＣＡＬＦＥ Ｊ． ＥＭＰＡＴＨ： ｆａｃｅ， ｅｍｏｔｉｏｎ ａｎｄ ｇｅｎｄｅｒ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｈｏｌｏｎｓ［Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕ⁃ ｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ． ［ Ｓ． ｌ．］， ＵＳＡ， １９９１： ５６４⁃７７１． ［５］ＴＡＭＵＲＡ Ｓ Ｈ， ＭＩＴＳＵＭＯＴＯ Ｋ Ｈ． Ｍａｌｅ ／ ｆｅｍａｌｅ ｉｄｅｎｔｉｆｉｃａ⁃ ｔｉｏｎ ｆｒｏｍ ８×６ ｖｅｒｙ ｌｏｗ ｒｅｓｏｌｕｔｉｏｎ ｆａｃｅ ｉｍａｇｅｓ ｂｙ ｎｅｕｒａｌ ｎｅｔ⁃ ｗｏｒｋ［Ｊ］． Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， １９９６， ２９（２）： ３３１⁃３３５． ［６］ ＭＯＧＨＡＤＤＡＭ Ｂ， ＹＡＮＧ Ｍ Ｈ． Ｇｅｎｄｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ Ｍａｃｈｉｎｅｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙ⁃ ｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ２００２， ２４（５）： ７０７⁃７１１． ［７］ＳＨＡＫＨＮＡＲＯＶＩＣＨ Ｇ， ＶＩＯＬＡ Ｐ， ＭＯＧＨＡＤＤＡＭ Ｂ． Ａ ｕ⁃ ｎｉｆｉｅｄ ｌｅａｒｎｉｎｇ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｒｅａｌ ｔｉｍｅ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓ⁃ ｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｗａｓｈｉｎｔｏｎ， ＤＣ， ＵＳＡ， ２００２： １４⁃２１． ［８］ＣＯＳＴＥＮ Ｎ Ｐ， ＢＲＯＷＮ Ｍ， ＡＫＡＭＡＴＳＵ Ｓ． Ｓｐａｒｓｅ ｍｏｄｅｌｓ ｆｏｒ ｇｅｎｄｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｓｅｏｕｌ， Ｋｏｒｅａ， ２００４： ２０１⁃２０６． ［９］ＳＡＡＴＣＩ Ｙ， ＴＯＷＮ Ｃ． Ｃａｓｃａｄｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｇｅｎｄｅｒ ａｎｄ ｆａｃｉａｌ ｅｘｐｒｅｓｓｉｏｎ ｕｓｉｎｇ ａｃｔｉｖｅ ａｐｐｅａｒａｎｃｅ ｍｏｄｅｌｓ ［ Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｓｏｕｔｈａｍｐｔｏｎ， ＵＫ， ２００６： ３９３⁃３９８． ［１０］ＢＲＵＮＥＬＬＩ Ｒ， ＰＯＧＧＩＯ Ｔ． ＨｙｐｅｒＢＦ ｎｅｔｗｏｒｋｓ ｆｏｒ ｇｅｎｄｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［ Ｃ］ ／ ／ Ｄｅｆｅｎｓｅ Ａｄｖａｎｃｅｄ Ｒｅｓｅａｒｃｈ Ｐｒｏｊｅｃｔｓ Ａｇｅｎｃｙ Ｉｍａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｗｏｒｋｓｈｏｐ． Ｓａｎ Ｄｉｅｇｏ， ＵＳＡ， １９９２： ３１１⁃３１４． ［１１］ＥＤＥＬＭＡＮ Ｂ， ＶＡＬＥＮＴＩＮ Ｄ， ＡＢＤＩ Ｈ． Ｓｅｘ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｆａｃｅ ａｒｅａｓ： ｈｏｗ ｗｅｌｌ ｃａｎ ａ ｌｉｎｅａｒ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔ ｈｕｍａｎ ｐｅｒｆｏｒｍａｎｃｅ ［ Ｊ ］． Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｌｏｇｉｃａｌ Ｓｙｓｔｅｍ， １９９８， ６（３）： ２４１⁃２６４． ［１２］文益民，吕宝粮． 最小最大模块化支持向量机改进研究 ［Ｊ］． 计算机工程与应用， ２００５， ４１（１９）： １８５⁃１８８． ＷＥＮ Ｙｉｍｉｎ， ＬÜ Ｂａｏｌｉａｎｇ． Ｉｍｐｒｏｖｅｍｅｎｔ ｒｅｓｅａｒｃｈ ｏｆ ｍｉｎ⁃ｍ ａｘ ｍｏｄｕｌａｒ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔ⁃ ｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ， ２００５， ４１ （ １９）： １８５⁃ １８８． ［１３］孙宁，冀贞海，邹采荣，等． 基于局部二元模式算子的人 脸性别分类方法［Ｊ］． 华中科技大学学报：自然科学版， ２００７， ３５（ｚ１）： １７７－１８１． ＳＵＮ Ｎｉｎｇ， ＪＩ Ｚｈｅｎｈａｉ， ＺＯＵ Ｃａｉｒｏｎｇ， ｅｔ ａｌ． Ｇｅｎｄｅｒ ｃｌａｓ⁃ ｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｈｕａ⁃ ｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２００７， ３５ （ｚ１）： １７７－１８１． ［１４］ÖＺＢＵＤＡＫ Ｏ， ＫＩＲＣı Ｍ， ＣＡＫＩＲ Ｙ， ｅｔ ａｌ． Ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ ｆａｃｉａｌ ａｎｄ ｒａｃｉａｌ ｆｅａｔｕｒｅｓ ｏｎ ｇｅｎｄｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ［ Ｃ］ ／ ／ ＩＥＥＥ Ｍｅｄｉｔｅｒｒａｎｅａｎ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｎｆｅｒｅｎｃｅ． Ｖａｌｅｔｔａ， Ｍａｌｔａ， ２０１０： ２６⁃２９． ［１５］ＹＡＮＧ Ｔ， ＫＥＣＭＡＮ Ｖ． Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｗｉｔｈ ａｄａｐｔｉｖｅ ｌｏ⁃ ｃａｌ ｈｙｐｅｒｐｌａｎｅ ａｌｇｏｒｉｔｈｍ［ Ｊ］． Ｐａｔｔｅｒｎ Ａｎａｌ Ａｐｐｌｉｃ， ２０１０， １３（１）： ７９⁃８３． ［１６］ＹＥ Ｊ． Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ａ ｆａｍｉｌｙ ｏｆ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｇｅｎｅｒａｌ⁃ ｉｚｅｄ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ｏｎ ｕｎｄｅｒｓａｍｐｌｅｄ ｐｒｏｂｌｅｍｓ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｒｅｓｅａｒｃｈ， ２００５， ６（４）： ４８３⁃ ５０２． ［１７］ＯＪＡＬＡ Ｔ， ＰＩＥＴＩＫＡＩＮＥＮ Ｍ， ＭＡＥＮＰＡＡ Ｔ． Ｍｕｌｔｉｒｅｓｏｌｕ⁃ ｔｉｏｎ ｇｒａｙ⁃ｓｃａｌｅ ａｎｄ ｒｏｔａｔｉｏｎ ｉｎｖａｒｉａｎｔ ｔｅｘｔｕｒｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ２００２， ２４ （ ７）： ９７１⁃ ９８６． ［１８］ ＷＡＮＧ Ｙｕ， ＭＵ Ｚｈｉｃｈｕｎ， ＺＥＮＧ Ｈｕｉ． Ｂｌｏｃｋ⁃ｂａｓｅｄ ａｎｄ ·５１０· 智 能 系 统 学 报 第 ８ 卷