基于改进局部二值模式与基于 Tani-Moto 的最近邻算法的人脸图像性别分类方法

人类识别是计算机视觉中备受关注的问题。性别分类作为预处理步骤在人类识别中起着重要作用。迄今为止，已提出多种方法来解决该问题。无疑，分类精度是性别分类研究者面临的主要挑战。但是，在智能手机图像采集过程中可能出现旋转、灰度变化、姿态、光照变化等挑战。为此，本文提出一种基于改进局部二值模式（MLBP）的多步骤人脸图像性别分类方法。LBP 是一种提取局部对比度和局部空间结构信息的纹理描述子。噪声敏感、旋转敏感和判别特征少可视为基本 LBP 的缺点。MLBP 利用一种新理论对基本 LBP 提取的二值模式进行分类，从而克服这些缺点。所提方法包括两个阶段。首先，基于 MLBP 提取人脸图像的特征向量。接着，可使用非线性分类器进行性别分类。本文基于 Tani-Moto 度量作为距离度量评估了近邻分类器。在结果部分，使用自采集数据库和 ICPR 数据库作为人脸数据库。结果与文献中一些 SOTA 算法进行比较，显示出所提方法在准确率方面的高质量。所提方法的其他主要优势还包括旋转不变性、低噪声敏感性、尺度不变性和低计算复杂度。由于减少了数据库比对次数，所提方法降低了智能手机应用的计算复杂度。它还因减少内存和 CPU 占用而改善了智能手机中同步应用的性能。