基于AAM、Gabor、LBP和WD特征的人脸图像分析用于性别、年龄、表情与种族分类
计算机视觉与模式识别
2016-04-07 v1
摘要
电子交易与人机交互的增长依赖于人脸图像提供的性别、年龄、表情和种族等信息。为了获取这些信息，特征提取起着主要作用。本文分析了利用不同特征提取方法从单张人脸图像中检索年龄、性别、表情和种族信息。针对性别识别、年龄估计、表情识别和种族识别，分析了主动表观模型（AAM）、加博尔小波、局部二值模式（LBP）和小波分解（WD）四种主要特征提取方法在准确率（识别率）、特征提取时间、神经训练时间及测试单张图像时间方面的性能。每种识别系统都在相同数据集（训练与验证集）上与四种特征提取器进行比较，以更好地理解其性能。在FG-NET、Cohn-Kanade、PAL人脸数据库上进行的实验表明，每种方法各有优缺点。因此，实际上不可能定义一种在所有情况下计算复杂度均最低的最优方法。此外，提供了年龄估计与利用性别信息的年龄估计的详细比较，以及克服性别识别中衰老效应的解决方案。尝试从测试图像中一次性获取所有（即性别、年龄范围、表情和种族）信息。
引用
@article{arxiv.1604.01684,
title = {Face Image Analysis using AAM, Gabor, LBP and WD features for Gender, Age, Expression and Ethnicity Classification},
author = {N. S. Lakshmiprabha},
journal= {arXiv preprint arXiv:1604.01684},
year = {2016}
}