级联SVM和分类器融合的人脸性别识别方法

摘要：

传统的支持向量机(Support Vector Machines,SVM)在面对大样本训练问题时,其样本数量会受到内存的限制.因此,提出一种基于级联SVM和分类器融合的人脸图像性别识别方法.级联SVM分类器可以通过设定阈值将识别难易程度不同的样本分成若干层次来进行训练;同时,在级联的每一层上,为了降低分类器在识别过程中受各种因素的影响,对不同特征维数下得到的最优分类器进行融合,通过融合减小误差,使中性的人脸样本有更明确的分类.在同一硬件条件下的实验结果表明,单层SVM最多只能训练7万样本,而四层级联SVM训练样本数可达12万以上,相应的识别率也从单层融合前的96.7%上升至四层融合后的99.1%.

关键词：支持向量机、级联、分类器、融合

所属期刊栏目：53

分类号：TP391.41(计算技术、计算机技术)

资助基金：江西省自然科学基金20134BAB201040;江西省教育厅科学技术研究项目2013GJJ01004

在线出版日期：2017-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：154-158