特征分類器的研究與優(yōu)化及其在年齡估算中的應(yīng)用.pdf

1、近幾年,年齡估計引起了國內(nèi)外學(xué)者的廣泛關(guān)注并且有著廣泛的應(yīng)用前景。然而,由于人的年齡特征具有較強的個體差異性和不可控制性,人的飲食,健康,生長環(huán)境,生活方式,甚至心理因素等外在因素都會影響到年齡的估計,現(xiàn)有的年齡估計結(jié)果和實踐經(jīng)驗表明,年齡估計的研究還需要對特征分類器進(jìn)行更深入的研究。
　　本文提出了對特征分類器進(jìn)行研究與優(yōu)化,實現(xiàn)對年齡段的分類。本文針對以下內(nèi)容,進(jìn)行了一系列的創(chuàng)新性研究:
　　(1)提出了一種新的以可視化

2、特征為依據(jù)的年齡段分類方法:基于標(biāo)準(zhǔn)的FG-NET數(shù)據(jù)庫,提出了依據(jù)年齡增長的可視化規(guī)律將人臉年齡劃分為5組的年齡估計系統(tǒng)。即嬰兒(0-2)、兒童(3-10)、少年(11-18)、青年(19-39)、中老年(40-69)。從而將年齡估計問題轉(zhuǎn)化為分類問題來研究,并取得良好效果。
　　(2)提出了一種新的人臉特征歸一化預(yù)處理技術(shù):通過人臉檢測模塊分提取出人的臉部區(qū)域并對圖像進(jìn)行預(yù)處理。將彩色圖像灰度化,便于各種特征提取具有統(tǒng)一標(biāo)準(zhǔn),

3、并灰度均衡化,消除光照等背景影響,然后標(biāo)定每張圖像的人眼位置,將圖像進(jìn)行旋轉(zhuǎn),尺寸歸一化為160*160的圖像。
　　(3)根據(jù)年齡特征的提取方法進(jìn)行了對比性研究:通過實驗對主動外觀模型法(Active Appearance Model,簡稱AAM)、Gabor小波特征提取法、局域二值模式方法(Local Binary Pattern,簡稱LBP)進(jìn)行了比較性研究。比較了323344,,三種方格劃分的性能。對Gabor小波和LBP

4、組合、LBP與AAM組合進(jìn)行了比較研究,并發(fā)現(xiàn)了特征提取的規(guī)律。
　　(4)為了進(jìn)一步優(yōu)化特征分類器,本文設(shè)計了一套適用于人臉年齡分類的分類器選用策略:采用支持向量機分類器和高斯徑向基核函數(shù)組合,利用網(wǎng)格搜索的交叉驗證法搜索最優(yōu)參數(shù),用“一對一”的多分類方式實現(xiàn)對人臉年齡分類。
　　本文的工作通過系列的比對實驗,對多種經(jīng)典的特征分類器進(jìn)行研究和進(jìn)一步優(yōu)化,提出新的特征分類器與基于年齡分類的策略,并對所提算法進(jìn)行了軟件實現(xiàn),依