基于形状无关纹理和Boosting学习的人口统计学分类

摘要：

基于形状无关纹理和boosting学习,该文提出了对性别和年龄分类的方法,其中年龄被划分为儿童、青年、中年和老年4类.检测到人脸后,利用人脸配准的结果规范化人脸图像获得形状无关纹理.在此基础上提取Haar型特征、LBP直方图和Gabor Jet 3种特征,通过boosting学习分别训练分类器.实验表明,LBP直方图特征能够鲁棒地区分儿童和老人,Haar型特征用作区分青年和中年人则更为有效,而Gabor Jet特征更适于性别分类.

关键词：人口统计学分类、人脸图像处理、Boosting

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60332010;60673107

在线出版日期：2008-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：721-724