● 摘要
人脸包含了性别、年龄、人种和身份等信息，是最重要的生物特征之一。基于人脸图像的性别分类就是让计算机根据输入的人脸图像中蕴含的纹理和形状等特征判断其性别的过程 ，一般包含预处理、特征提取和分类决策三个环节。基于人脸图像的性别分类包含了许多富有挑战性的科学问题，是生物特征识别技术的重要组成部分，同时也具有非常广泛的应用前景，在身份认证，人机交互、图像理解、人脸动画等诸多领域发挥着重要作用。 本文对人脸图像性别分类问题的三个环节进行了研究，并着重讨论了特征提取这一最重要的环节。 本文对传统局部二值模式进行改进，提出一种新的叫做局部环形模式的特征，从而提出一种基于局部环形模式纹理描述的人脸性别分类方法，该方法使用基于聚类量化方式的局部环形模式描述子作为特征提取的方法，结合支持向量机分类器，并且用多尺度分数层融合策略得到最终分类结果。本文在FERET人脸数据库上对该方法进行实验，取得了较好的结果。 随后，本文考虑对人脸图像提取几何信息，在纹理特征的基础上进一步为后续分类提供支持，于是本文提出基于形状信息和纹理描述融合的人脸性别分类方法，使用支持向量机分类器，在分数层面对主动表观模型特征的形状信息和局部环形模式的纹理信息进行融合，并在FRGC人脸数据库上通过实验验证了该方法的有效性。