使用LBP和PSO特徵選擇之人臉性別辨識

Using Local Binary Patterns And Optimized Features Selection For Gender Classification

郭柏辰(Po-Chen Kuo)

指導教授 ： 徐麗蘋

中山醫學大學/健康管理學院/醫學資訊學系碩士班/碩士(2016年)

摘要

性別辨識在近年來電腦視覺的領域當中，是一個非常重要的議題，其應用面非常廣泛，像是監視系統和針對性別來進行服務或統計之廣告看板等等，另外若是能在日常生活中確實應用此技術，生活將會變得更加有趣和方便。性別辨識主要透過人臉影像進行臉部特徵擷取，再將取出的特徵經由分類器進行性別的分類。因此我們針對這項議題，提出了一套新的人臉性別辨識方法：我們把資料庫中的人臉影像經過預先處理，並用LBP來計算臉部的LBP特徵分布及男性特有的鬍子特徵，再以Particle Swarm Optimization(PSO)來選出其中最適合分類性別的特徵，最後使用SVM分類器根據PSO找出的LBP特徵及鬍子特徵來進行性別判定。實驗結果顯示我們的方法相較於其他的辨識方法，有更好的辨識效能。

關鍵字

人臉性別辨識 ； 局部二值模式 ； 粒子群最佳化 ； 支持向量機

並列摘要

Gender classification is a very important issue. Its application is very broad, such as monitoring systems and billboards. If this technology can be applied in daily life, life will be become more interesting and convenient. Feature extraction is the key step of gender classification. In this paper, we present a method which efficiently classifies gender by extracting the key optimized features. We have used Local Binary Pattern (LBP) to extract facial features. As LBP features contain many redundant features, Particle Swarm Optimization (PSO) was applied to select optimized features. Experimental results showed that our method outperforms other methods in terms of accuracy and time complexity.

並列關鍵字

gender classification ； Local Binary Patterns ； Particle Swarm Optimization ； SVM

參考文獻

1. 劉大立，「以人臉影像之邊緣方向直方圖和邊緣密度做基於調適提升(AdaBoost)演算法之性別辨識」。 國立臺北大學資訊工程研究所碩士論文，102年。

2. 衛仲軒，「結合臉部與頭髮特徵之性別辨識」。元智大學通訊工程研究所碩士論文，101年7月。

3. 賴智錦、邱建璋、謝鴻瑲，「以改良式區域方向圖樣為基準之臉部表情辨識」。International Journal of Science and Engineering, Vol.4 No.2(2014):81-84，103年。

6. Abdenour Hadid, Juha Ylioinasa, Messaoud Bengherabi, Mohammad Ghahramania and Abdelmalik Taleb-Ahmed, "Gender and texture classification: A comparative analysis using 13 variants of local binary patterns," Pattern Recognition Letters, vol. 68, pp. 231–238, Vol.4 No.2, 2015.

7. C. Shan, "Learning local binary patterns for gender classification on real-world face images," Pattern Recognition Letters, vol. 33, pp. 431-437, 2012.