基于人臉圖像的性別識別與年齡估計研究

基于人臉圖像的性別識別和年齡估計，顧名思義也就是根據人的臉部圖像來對人的性別和年齡進行判斷和估算。性別識別和年齡估計有著廣泛的潛在應用領域，因而備受關注，成為重要的研究課題。該文基于已有的研究成果，進一步深入探究性別識別和年齡估算問題。

【基金項目】

符振艾，湖南省科技廳計劃項目；基金項目編號：2014GK3040基于生物特征提取的人臉識別系統(tǒng)設計技術研究

趙微。湖南省科技廳計劃項目；基金項目編號：2014GK30401智能銀行視頻監(jiān)控系統(tǒng)設計與研究

劉緒崇。湖南省科技廳重點項目：基金項目編號：2013GK2014骨干互聯(lián)網安全檢測與態(tài)勢評估預警系統(tǒng)

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

一、基于人臉子區(qū)域的性別識別

臉部子區(qū)域分割。進行臉部的子區(qū)域分割，首先是要將給定的人臉圖像轉換成灰度圖像，然后在對灰度圖像進行處理——縮放、平移和旋轉，要使圖像中人的雙眼處于固定的位置，再從背景中分離、切割出整個包括頭發(fā)在內的人臉區(qū)域，最后降低關照影響，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，再將六個子區(qū)域切割出來，主要包括：臉部區(qū)域，臉上下半區(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別受到各人臉區(qū)域的影響大小，并進一步探討提高性別識別準確性的方法，可以進行貢獻較大的臉部子區(qū)域的融合。因而要手工切割出人臉圖像中的子區(qū)域。在實際應用的過程中，進行性別的自動識別，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可以采用AAM算法。尋找出臉部特征點之后，再根據這些位置進行各子區(qū)域圖像的進一步切割。

基于子區(qū)域融合的性別識別。有關研究證明，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科學院文獻信息中心主辦的《環(huán)球市場信息導報》雜志http：//www.ems86.com總第543期2014年第11期-----轉載須注名來源就微笑這個表情來說，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小。因此，實現(xiàn)性別識別可以通過臉部子區(qū)域特征的融合來進行。

對于臉部子區(qū)域對性別識別的貢獻大小的研究，進行的實驗采用的是基本不帶表情的正面人臉圖像即，這一實驗也就是研究與性別相關的信息在臉部子區(qū)域包含了多少內容。而基于子區(qū)域融合的性別識別方法的驗證要通過在表情變化情況下進行實驗，這樣相對于用整個人臉圖像進行性別識別來說，具有更高的準確率。

二、基于人臉圖像的年齡估計

人臉年齡特征。隨著年齡的增長，人臉的外觀也會發(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行了研究，分析觀察其隨年齡增長而產生的變化，因而由此提出了顱面成長模型。通常而言，顱骨骨骼會隨著年齡增長而變化，但變化往往只會持續(xù)到 18 歲，人臉顱骨在人18歲之后基本不會有太大的變化。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，人臉各個部位對于人臉識別的貢獻率大小不同。我們根據日常生活來看，似乎通過對眼周圍區(qū)域的直觀感覺更容易識別人臉，下半部分人臉和鼻子、嘴巴對人臉識別的作用更小一些。但人臉的年齡估計不同于人臉識別，而關于人臉年齡自動估計技術自然也是不同于人腦的直觀判斷。那么哪個區(qū)域在人臉自動年齡估算中具有更強的信息表達能力。所以，首先進行人臉各局部區(qū)域在機器識別中的貢獻率的研究，將有助于在識別中有效地選擇局部特征。

臉部特征提取。與依據人臉圖像來進行表示不同，既是策略上的不同，又是重點的不同。進行模擬識別時，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整體，再進行計算分析，但由于受表情、光照等一些因素的影響，人臉的識別結果會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，繼而進行針對性的分析計算，對局部特征的利用，得到的人臉表示更加魯棒，表現(xiàn)出更明顯的進行識別的優(yōu)勢。研究發(fā)現(xiàn)，對于某些人臉圖像的識別結果，基于全局特征進行的分析不正確，而基于局部特征進行的分析卻是正確的?；谌四槇D像的年齡估計，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行用Gabor小波的變換提取，加之以眼睛區(qū)域——與年齡特征關聯(lián)最緊密，最后的融合在決策級進行。

性別識別與年齡估計的級聯(lián)。事實表明，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，實際生活中，人們自然也不會把男女放在一起進行年齡的估算。性別信息作為一種先驗信息，因而對于年齡估計非常的重要，可以使人臉年齡估計的準確率大大提高?？稍谛詣e信息作為先驗信息的前提下，來進行年齡分類的任務分解。可以根據性別將不同年齡類別中的人臉圖像分為兩個子集，任務分解之后再集合訓練樣本，將其輸入SVM中再進行學習。可以先判斷新人臉圖像的性別再進行年齡估計。

人臉作為人最重要的生物特征之一，包含了年齡、性別在內的很多重要信息。計算機技術的迅猛發(fā)展使得基于人臉的識別技術成為研究的重要內容，人臉識別、表情識別、年齡估計等都是其研究的重要識別技術。本文研究了基于人臉的年齡識別和年齡估計等方面的內容，也就是對輸入的人臉圖像利用計算機來進行其性別的識別與年齡的估計。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.湖南警察學院）