CN104036236A

CN104036236A - 一种基于多参数指数加权的人脸性别识别方法

Info

Publication number: CN104036236A
Application number: CN201410230388.4A
Authority: CN
Inventors: 詹东晖; 卢磊
Original assignee: Xiamen Reconova Information Technology Co Ltd
Current assignee: Xiamen Reconova Information Technology Co Ltd
Priority date: 2014-05-27
Filing date: 2014-05-27
Publication date: 2014-09-10
Anticipated expiration: 2034-05-27
Also published as: CN104036236B

Abstract

本发明一种基于多参数指数加权的人脸性别识别方法，通过对视频序列中同一个人的人脸进行跟踪，采集同一个人的多个人脸图像，对采集到的多个人脸图像进行人脸图像质量分析，将人脸图像质量分析结果作为人脸性别识别准确度权值，计算出经过图像分析矫正后的人脸性别置信值，并将同一个人的多个人脸图像的人脸性别置信值进行指数加权运算，根据计算结果最终判断出人脸性别，由于本发明采用了视频序列中的多个人脸来判定某个人的性别，解决了取单张静态图片进行人脸性别识别时受现场环境干扰较大的问题，并通过人脸图像质量分析和指数权值运算解决了现场复杂环境干扰识别准确度的问题。

Description

一种基于多参数指数加权的人脸性别识别方法

技术领域

本发明涉及一种基于多参数指数加权的人脸性别识别方法。

背景技术

目前国内外人脸性别识别的方法主要分为两类：基于特征的方法和基于统计的方法。

基于特征分析的方法是指通过对男女图像的观察，利用头发长短、眉毛粗细、下巴宽度、是否有胡子等人脸图像的低级特征作为性别判别的依据。这类方法的主要是通过度量可见特征的距离来实现对人脸图像的性别识别。

基于统计的方法则将性别识别看做一个二分类问题。通过对大量训练样本的学习来建立一个能够对图像上的人脸性别实现正确识别的分类器，再由分类器对测试集中的人脸图像进行性别分类。典型的分类器方法包括人工神经网络、adaboost、支持向量机等。

当前的人脸性别识别主要是针对静态图像进行分析。在视频场景中，传统的方法通过外部触发的方式，判定到有人员通过时，自动抓拍现场图片，再对抓拍照片中的人脸进行性别分析。而在视频监控场景中，现场环境比较复杂，摄像机采集到的人脸角度和光照都无法保证，因此抓拍到的人脸可能出现角度偏转较大、焦距不对、光照不均匀等情况，严重影响年龄性别效果。因此，当前的许多人脸性别识别算法无法应用于传统的视频监控场景中。

发明内容

本发明的目的在于提出一种基于多参数指数加权的人脸性别识别方法，可以在不受限制的视频监控场景中保持人脸性别识别算法的精度。

本发明一种基于多参数指数加权的人脸性别识别方法，通过对视频序列中同一个人的人脸进行跟踪，采集同一个人的多个人脸图像，对采集到的多个人脸图像进行人脸图像质量分析，将人脸图像质量分析结果作为人脸性别识别准确度权值，计算出经过图像分析矫正后的人脸性别置信值，并将同一个人的多个人脸图像的人脸性别置信值进行指数加权运算，根据计算结果最终判断出人脸性别。

具体包括如下步骤：

步骤1、通过对视频序列中同一个人的人脸进行跟踪，采集获得视频监控场景中同一个人的多个人脸图像：

通过RTSP流媒体协议连接摄像装置获取流媒体数据并进行解码，完成解码后，使用人脸检测算法检测出视频序列中的人脸,在当前帧检测到一个新的人脸时，将人脸的坐标位置和帧间的间隔时间作为输入，使用kalman滤波器预测该人脸在下一帧中将会出现的坐标范围，接着对下一帧图像进行人脸检测，如果人脸出现的位置位于kalman滤波阈值的位置范围，则认为当前人脸和上一帧的人脸属于同一个人，按照上述判断方式，从实时采集的多个图像中获得同一个人的多个人脸图像；

步骤2、人脸图像质量分析，计算出上述视频序列中属于同一个人的多个人脸图像的质量参数：

针对上述视频序列中属于同一个人的多个人脸图像，先计算出人脸的大小、人脸的角度和人脸的模糊程度的三个质量参数，然后对该三个质量参数进行加权求和，获得最终的人脸图像质量值c；

步骤3、采用LBP特征来描述人脸，使用支持向量机作为人脸特征分类器进行人脸性别分类：

首先，将准备好的多张已经完成性别标记的人脸训练样本进行LBP特征提取，再利用人脸特征分类器对这些特征进行训练，获得性别分类模型，该性别分类模型中包含男性人脸模型和女性人脸模型；在进行人脸性别分类时，先加载该性别分类模型，对新采集的人脸进行建模，再将步骤1中采集的视频监控场景中同一个人的多个人脸图像的LBP特征信息分别输入到人脸特征分类器中计算，得到每张人脸图像的性别置信值x，当性别置信值大于0.5时为男性，性别置信值小于0.5时为女性，完成对每张人脸图像的人脸性别分类；

步骤4、根据指数权值对人脸进行性别分析：

首先准备好属于同一个人的N张人脸图像,计算每一张人脸图像的质量校正性别置信值h,计算方法如下：

h = \{\begin{matrix} c^{\frac{1}{2}} (x - 0.5) + 0.5 & (x &GreaterEqual; 0.5) \\ 0.5 - c^{\frac{1}{2}} (0.5 - x) & (x < 0.5) \end{matrix}

其中c表示人脸图像质量值，x表示在步骤3中计算获得的人脸性别置信值；

获得质量校正性别置信值h后，再进行指数加权计算：

H = Σ_{i = 1}^{N} \frac{1}{2} \ln \frac{1 - h_{i}}{h_{i}}

其中，h_i为第i个头像经过质量矫正后的性别置信值，h_i>0.5表示男性，h_i<0.5表示女性，H表示指数加权计算结果；

当H<0时，最终的性别结果判定为男性，当H>0时，最终的性别结果判定为女性。

所述加权计算中的权值分别设定为：人脸大小权值为0.35，人脸角度权值为0.45，人脸模糊程度权值为0.20。

由于本发明采用了视频序列中的多个人脸来判定某个人的性别，解决了取单张静态图片进行人脸性别识别时受现场环境干扰较大的问题，并通过人脸图像质量分析和指数权值运算解决了现场复杂环境干扰识别准确度的问题。

附图说明

图1为本发明中工作流程示意图。

以下结合附图和具体实施例对本发明做进一步详述。

具体实施方式

如图1，本发明一种基于多参数指数加权的人脸性别识别方法，具体包括如下步骤：

图像质量参数决定了该人脸在后面人脸性别识别运算中的权重，针对上述视频序列中属于同一个人的多个人脸图像，先计算出人脸的大小、人脸的角度和人脸的模糊程度的三个质量参数，然后对该三个质量参数进行加权求和，获得最终的人脸图像质量值c，本实施例加权计算中的权值分别设定为：人脸大小权值为0.35，人脸角度权值为0.45，人脸模糊程度权值为0.20；

步骤4、根据指数权值对人脸进行性别分析：

h = \{\begin{matrix} c^{\frac{1}{2}} (x - 0.5) + 0.5 & (x &GreaterEqual; 0.5) \\ 0.5 - c^{\frac{1}{2}} (0.5 - x) & (x < 0.5) \end{matrix}

获得质量校正性别置信值h后，再进行指数加权计算：

H = Σ_{i = 1}^{N} \frac{1}{2} \ln \frac{1 - h_{i}}{h_{i}}

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims

1.一种基于多参数指数加权的人脸性别识别方法，其特征在于：通过对视频序列中同一个人的人脸进行跟踪，采集同一个人的多个人脸图像，对采集到的多个人脸图像进行人脸图像质量分析，将人脸图像质量分析结果作为人脸性别识别准确度权值，计算出经过图像分析矫正后的人脸性别置信值，并将同一个人的多个人脸图像的人脸性别置信值进行指数加权运算，根据计算结果最终判断出人脸性别。

2.根据权利要求1所述的一种基于多参数指数加权的人脸性别识别方法，其特征在于具体包括如下步骤：

步骤4、根据指数权值对人脸进行性别分析：

h = \{\begin{matrix} c^{\frac{1}{2}} (x - 0.5) + 0.5 & (x &GreaterEqual; 0.5) \\ 0.5 - c^{\frac{1}{2}} (0.5 - x) & (x < 0.5) \end{matrix}

获得质量校正性别置信值h后，再进行指数加权计算：

H = Σ_{i = 1}^{N} \frac{1}{2} \ln \frac{1 - h_{i}}{h_{i}}

3.根据权利要求1所述的一种基于多参数指数加权的人脸性别识别方法，其特征在于所述加权计算中的权值分别设定为：人脸大小权值为0.35，人脸角度权值为0.45，人脸模糊程度权值为0.20。