人脸年龄估计系统的设计与实现ageestimationsystemforfaceimages(附件)

摘 要摘 要人脸作为重要的生物识别特征,向外界传递着众多的信息。而年龄信息作为其中的一种特征信息,在人机交互、安全检测、视频监测等领域都有着广泛的应用价值。近几年,随着各种人脸识别与年龄估计算法的提出,年龄估计有了很大的发展。但这依然是一个充满挑战性的课题。因为年龄估计的结果受太多外界环境的影响,且由于每个人的生活环境和生活状态的不同,个人表现出的衰老模式也不同,这些都给年龄估计带来了很多困难。本文在已有研究的基础上,利用MATLAB和C#语言实现人脸识别与年龄估计系统。借助于MATLAB强大的图形处理和数学计算能力来实现算法,再利用C#编程语言进行代码调用以及最终的结果展示。此外,本系统还在MATLAB中引入了libsvm工具箱来实现支持向量机分类器。这样为使用支持向量机进行模型的训练、分类和年龄的预测提供了便利,简化了工作。实验证明,使用上述工具和算法来实现年龄估计是完全可行的。关键词年龄估计,MATLAB,支持向量机,libsvm
Key words: age estimation, MATLAB, SVM, libsvm 目录
第一章 绪论 1
1.1 课题研究背景及意义 1
1.2 国内外研究现状 2
1.2.1 国内外研究取得的进展 2
1.2.2 存在的问题 2
1.3 本论文研究内容及结构安排 3
第二章 系统相关工具简介 4
2.1 系统开发环境 4
2.2 MATLAB简介 4
2.3 MATLAB处理图像基本操作 4
2.4 Visual Studio 2010简介 4
2.5 C#和MATLAB的混合编程 4
2.6 Libsvm工具函数 5
第三章 人脸图像处理 8
3.1 人脸数据库 8
3.2 图像预处理 8
3.2.1 人脸图像灰度归一化 8
3.2.2 人脸图像尺寸归一化 9
3.3 人脸图像特征点提取 9
3.3.1 基于ASM的特征点定位 9
3.3.2 基于PCA的特征点提取 11
第四章 人脸图像的年龄估 style="display:inline-block;width:630px;height:85px" data-ad-client="ca-pub-6529562764548102" data-ad-slot="6284556726"> (adsbygoogle = window.adsbygoogle || []).push({ });

 *好棒文|www.hbsrm.com +Q: &351916072& 
计 13
4.1 支持向量机原理简介 13
4.1.1 线性分类 13
4.1.2 非线性分类 16
4.2 基于支持向量机的年龄估计 17
第五章 实验结果 19
5.1 系统的总体流程 19
5.2 系统的特征提取方法 20
5.3 系统的年龄估计 21
5.3.1 年龄估计过程 21
5.3.2 估计结果 22
5.4 误差分析 23
结论 25
致谢 26
参考文献 27
绪论
课题研究背景及意义
近几年,随着人类社会的发展和科学的进步,人工智能也有了很大的发展。从今年的AlphaGo战胜李世石就可以看出,人工智能已不再是科幻小说的产物,而且已相当的智能。同时,这些技术也带动了计算机视觉和图像处理等技术领域的发展。
一直以来,人脸年龄估计都是计算机视觉研究领域里一个备受关注的课题,吸引着众多科学家前来研究。总体来说,人脸年龄估计就是以采集到的图像为依据,精确的提取出人脸面部特征,并利用计算机相关技术进行计算处理,自动判断出人脸图像年龄的计算机视觉技术。
人脸包含着大量的个人特征信息,包括性别,情感,年龄等等,可以被看做是一个由很多面部特征组成的复杂的信号源。年龄,作为最重要的一个属性,在很多方面都有着广泛的应用前景,主要有以下几个方面:
用于安保系统中。在一些重要的人口密集的地点,如机场,景区引入年龄估计系统,可以为身份识别系统增加一层保障。一旦有犯罪活动的发生,能为警方捉拿嫌疑犯提供一些线索。同时,在智能监控系统中,可防止一些未成年人进入娱乐场所,防止未成年人购买香烟等违禁物品,保护未成年人的身心健康。
用于生物识别系统中。人脸作为独一无二的生物特征,在生物识别技术中有着重要的作用,且获取方便,需要的设备也较为简单,不需要人的主动参与。和其他生物特征相结合后,能提高整体系统的识别率,也能通过年龄估计系统延长人脸识别的时间维度。
用于电子商务中。由于各个年龄阶段的人群消费水平和消费习惯的不同,企业可根据年龄估计系统得到的信息,对各年龄层制定相应的营销政策和个性化推送。在一些线上支付的电商网站上引入年龄估计系统,能使网上交易更加安全。
用于生活娱乐中。在游戏或智能机器人中引入年龄估计系统,能增加游戏的趣味性。而引入人脸的衰老模式,能在电影中制造出更为逼真的特效,获得更好的观影感受。
除了以上几个方面,年龄估计系统还有更多的用处。可见人脸年龄估计在现实生活的很多方面都有着很多潜在性的应用和巨大的商业价值。
国内外研究现状
在上世纪70年代初,人们就已经开始关注并研究人脸识别问题,但由于早期的技术水平不高,不但对输入的人脸图像有着苛刻的条件要求,还不能全由机器识别,还得依靠人的某些先验知识。直到上世纪90年代发明出高速度高性能的计算机,人脸图像处理技术才有了质的飞跃。目前一些手机相机软件,Face++,微软的How old.net网页等,都有了根据人脸自动估计年龄的功能。但每个软件的测试结果大同小异,准确率也不高,可见这种软件还不是很成熟。Face++还提供了相应的API供人们使用。但大部分软件都是不开源的,这也给研究带来了困难。
国内外研究取得的进展
国际上,Young和Niels被认为是最早提出年龄估计的人。他们于1994年就提出利用人脸图像来估计年龄[1],整体思想也相对简单一些,仅仅是把年龄大致分成3段:儿童,青年,老年。Lanitis等人[2]提出了基于人脸外观的统计模型,通过对比一些主流的分类器之后,他们认为利用机器识别能和人一样估计出年龄。Zhou等人[3]提出Boosting算法作为回归方法进行估计,并通过实验证明该方法比SVMs方法更好。Geng等人[4]提出了衰老模式子空间(AGES),目的是制作出衰老模式的模型,该模型使用了很多个人衰老图像,利用EMlike迭代学习主成分分析法,模拟未知图像的衰老过程,根据在人脸衰老模式中所处的位置来估计年龄。Guo等人[5]用子空间学习方法,得到了衰老模式的低维嵌入,能提取出人脸衰老的相关特征,设计出局部可调节的回归方法来估计年龄。和以往的研究不同,他们基于仿生模型,应用Gabor过滤器来模拟人类视觉过程。JunDa Txia等人[6]提出用主动表观模型(AAM)来估计年龄,以提取具有年龄特征的区域,每张脸都需要28个特征点,并且划分为10个皱纹特征区域。

版权保护: 本文由 hbsrm.com编辑,转载请保留链接: www.hbsrm.com/jsj/wlw/434.html

好棒文