基于人臉圖像的性別識(shí)別與年齡估計(jì)研究

基于人臉圖像的性別識(shí)別和年齡估計(jì)，顧名思義也就是根據(jù)人的臉部圖像來對人的性別和年齡進(jìn)行判斷和估算。性別識(shí)別和年齡估計(jì)有著廣泛的潛在應(yīng)用領(lǐng)域，因而備受關(guān)注，成為重要的研究課題。該文基于已有的研究成果，進(jìn)一步深入探究性別識(shí)別和年齡估算問題。

【基金項(xiàng)目】

符振艾，湖南省科技廳計(jì)劃項(xiàng)目；基金項(xiàng)目編號(hào)：2014GK3040基于生物特征提取的人臉識(shí)別系統(tǒng)設(shè)計(jì)技術(shù)研究

趙微。湖南省科技廳計(jì)劃項(xiàng)目；基金項(xiàng)目編號(hào)：2014GK30401智能銀行視頻監(jiān)控系統(tǒng)設(shè)計(jì)與研究

劉緒崇。湖南省科技廳重點(diǎn)項(xiàng)目：基金項(xiàng)目編號(hào)：2013GK2014骨干互聯(lián)網(wǎng)安全檢測與態(tài)勢評估預(yù)警系統(tǒng)

基于人臉圖像的性別識(shí)別、年齡估計(jì)在相關(guān)領(lǐng)域已經(jīng)形成研究熱潮，而且以往是研究也都取得了不錯(cuò)的成效。雖然在日常生活中我們根據(jù)人臉判斷其年齡、性別很容易，但若使計(jì)算機(jī)有此能力還面臨巨大的挑戰(zhàn)，文章將重點(diǎn)探究基于人臉子區(qū)域的性別識(shí)別和基于人臉圖像的年齡估計(jì)。

一、基于人臉子區(qū)域的性別識(shí)別

臉部子區(qū)域分割。進(jìn)行臉部的子區(qū)域分割，首先是要將給定的人臉圖像轉(zhuǎn)換成灰度圖像，然后在對灰度圖像進(jìn)行處理——縮放、平移和旋轉(zhuǎn)，要使圖像中人的雙眼處于固定的位置，再從背景中分離、切割出整個(gè)包括頭發(fā)在內(nèi)的人臉區(qū)域，最后降低關(guān)照影響，可用直方圖均衡化來處理。對于初步處理的人臉區(qū)域圖像，再將六個(gè)子區(qū)域切割出來，主要包括：臉部區(qū)域，臉上下半?yún)^(qū)域，嘴巴、鼻子和左眼區(qū)域。

由于人雙眼的對稱性，可選取左眼為眼睛部分的子區(qū)域。主要分析研究的是性別識(shí)別受到各人臉區(qū)域的影響大小，并進(jìn)一步探討提高性別識(shí)別準(zhǔn)確性的方法，可以進(jìn)行貢獻(xiàn)較大的臉部子區(qū)域的融合。因而要手工切割出人臉圖像中的子區(qū)域。在實(shí)際應(yīng)用的過程中，進(jìn)行性別的自動(dòng)識(shí)別，可對視頻采集到的圖像用Adaboost 快速人臉檢測算法快速檢測出圖像中的人臉，從背景中將人臉切割出來。繼而進(jìn)行雙眼的定位，可用眼睛定位法來確定位置，尋找臉部主要特征點(diǎn)可以采用AAM算法。尋找出臉部特征點(diǎn)之后，再根據(jù)這些位置進(jìn)行各子區(qū)域圖像的進(jìn)一步切割。

基于子區(qū)域融合的性別識(shí)別。有關(guān)研究證明，相比較整張人臉來說，臉部是局部區(qū)域受人臉表情變化的影響更小一些。該文原載于中國社會(huì)科學(xué)院文獻(xiàn)信息中心主辦的《環(huán)球市場信息導(dǎo)報(bào)》雜志http：//www.ems86.com總第543期2014年第11期-----轉(zhuǎn)載須注名來源就微笑這個(gè)表情來說，往往人臉的下半部分變化較大，特別是嘴巴和臉頰的變化，而上半部分尤其的鼻子的變化相當(dāng)小。因此，實(shí)現(xiàn)性別識(shí)別可以通過臉部子區(qū)域特征的融合來進(jìn)行。

對于臉部子區(qū)域?qū)π詣e識(shí)別的貢獻(xiàn)大小的研究，進(jìn)行的實(shí)驗(yàn)采用的是基本不帶表情的正面人臉圖像即，這一實(shí)驗(yàn)也就是研究與性別相關(guān)的信息在臉部子區(qū)域包含了多少內(nèi)容。而基于子區(qū)域融合的性別識(shí)別方法的驗(yàn)證要通過在表情變化情況下進(jìn)行實(shí)驗(yàn)，這樣相對于用整個(gè)人臉圖像進(jìn)行性別識(shí)別來說，具有更高的準(zhǔn)確率。

二、基于人臉圖像的年齡估計(jì)

人臉年齡特征。隨著年齡的增長，人臉的外觀也會(huì)發(fā)生變化，在皮膚、顱骨形狀、肌肉松弛度方面都有主要的體現(xiàn)。Narayanan Ramanathan 等人就對人的顱骨骨骼形狀進(jìn)行了研究，分析觀察其隨年齡增長而產(chǎn)生的變化，因而由此提出了顱面成長模型。通常而言，顱骨骨骼會(huì)隨著年齡增長而變化，但變化往往只會(huì)持續(xù)到 18 歲，人臉顱骨在人18歲之后基本不會(huì)有太大的變化。由此可以發(fā)現(xiàn)臉部變化在18歲以前臉部特征點(diǎn)和比例變化是主要的體現(xiàn)。而18歲之后主要是通過臉部紋理的變化來體現(xiàn)年齡臉部的變化。

研究表明，人臉各個(gè)部位對于人臉識(shí)別的貢獻(xiàn)率大小不同。我們根據(jù)日常生活來看，似乎通過對眼周圍區(qū)域的直觀感覺更容易識(shí)別人臉，下半部分人臉和鼻子、嘴巴對人臉識(shí)別的作用更小一些。但人臉的年齡估計(jì)不同于人臉識(shí)別，而關(guān)于人臉年齡自動(dòng)估計(jì)技術(shù)自然也是不同于人腦的直觀判斷。那么哪個(gè)區(qū)域在人臉自動(dòng)年齡估算中具有更強(qiáng)的信息表達(dá)能力。所以，首先進(jìn)行人臉各局部區(qū)域在機(jī)器識(shí)別中的貢獻(xiàn)率的研究，將有助于在識(shí)別中有效地選擇局部特征。

臉部特征提取。與依據(jù)人臉圖像來進(jìn)行表示不同，既是策略上的不同，又是重點(diǎn)的不同。進(jìn)行模擬識(shí)別時(shí)，提取人臉特征的提算方法可分為：一類是基于全局特征的算法，這種算法更傾向于把人臉視為一個(gè)整體，再進(jìn)行計(jì)算分析，但由于受表情、光照等一些因素的影響，人臉的識(shí)別結(jié)果會(huì)因此受到很大的影響。還有一類是基于局部特征的算法，這也是人們針對前者存在的弱點(diǎn)提出的方法，顧名思義就是提取人臉圖像的局部特征，繼而進(jìn)行針對性的分析計(jì)算，對局部特征的利用，得到的人臉表示更加魯棒，表現(xiàn)出更明顯的進(jìn)行識(shí)別的優(yōu)勢。研究發(fā)現(xiàn)，對于某些人臉圖像的識(shí)別結(jié)果，基于全局特征進(jìn)行的分析不正確，而基于局部特征進(jìn)行的分析卻是正確的。基于人臉圖像的年齡估計(jì)，具體方法可先采用 2DPCA 將人臉圖像的全局特征提取出來，然后對臉部的局部特征進(jìn)行用Gabor小波的變換提取，加之以眼睛區(qū)域——與年齡特征關(guān)聯(lián)最緊密，最后的融合在決策級進(jìn)行。

性別識(shí)別與年齡估計(jì)的級聯(lián)。事實(shí)表明，同一年齡段的男性和女性，他們的臉部在年齡特征上有很大的差異，實(shí)際生活中，人們自然也不會(huì)把男女放在一起進(jìn)行年齡的估算。性別信息作為一種先驗(yàn)信息，因而對于年齡估計(jì)非常的重要，可以使人臉年齡估計(jì)的準(zhǔn)確率大大提高。可在性別信息作為先驗(yàn)信息的前提下，來進(jìn)行年齡分類的任務(wù)分解。可以根據(jù)性別將不同年齡類別中的人臉圖像分為兩個(gè)子集，任務(wù)分解之后再集合訓(xùn)練樣本，將其輸入SVM中再進(jìn)行學(xué)習(xí)。可以先判斷新人臉圖像的性別再進(jìn)行年齡估計(jì)。

人臉作為人最重要的生物特征之一，包含了年齡、性別在內(nèi)的很多重要信息。計(jì)算機(jī)技術(shù)的迅猛發(fā)展使得基于人臉的識(shí)別技術(shù)成為研究的重要內(nèi)容，人臉識(shí)別、表情識(shí)別、年齡估計(jì)等都是其研究的重要識(shí)別技術(shù)。本文研究了基于人臉的年齡識(shí)別和年齡估計(jì)等方面的內(nèi)容，也就是對輸入的人臉圖像利用計(jì)算機(jī)來進(jìn)行其性別的識(shí)別與年齡的估計(jì)。文中依舊有不足的地方，希望為以后的研究提供一定的借鑒。

（作者單位：1.長沙上意電子科技有限公司；2.湖南警察學(xué)院）