基于PCA和LDA融合算法的性别鉴别

     摘要:  结合主元分析（PCA）与线性鉴别分析（LDA）的特点，利用PCA-LDA算法进行性别鉴别。通过PCA算法求得训练样本的特征子空间，并在此基础上计算出LDA算法的特征子空间。将PCA算法与LDA算法的特征子空间进行融合，获得PCA-LDA算法的融合特征空间。训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征。利用近邻准则即可完成性别鉴别。实验中利用三种预处理方法（PCA+LDA、HG+PCA+LDA、RHG+PCA+LDA），得出各自的实验结果，并进行比较。实验结果表明，利用RHG+PCA+LDA方法预处理后，使用PCA-LDA算法进行性别鉴别可以得到理想的效果。

 　　随着社会发展，快速有效的自动身份验证应用广泛。生物特征是人类的内在属性，具有很强的自身稳定性和个体差异性，所以它是身份验证理想的依据。其中，人脸相比其他的人体生物特征具有直接、方便、友好等特点，所以利用人脸特征进行身份验证是自然直接的手段，并易于为用户所接受。性别鉴别作为其中特殊的一部分，可以加强人机交互系统的灵活性，而且可以对特殊环境下与性别相关的地方出入进行限制，收集有价值的统计信息(如每天出入的男性、女性数量，对酒吧、商场、零售业提供有价值的服务)等。

　　1 性别分类算法

　　性别分类是一个典型的二类问题，一般方法是通过输入一副人脸图像X，通过预处理，特征提取，分类器等过程后来决定X的类别。这里的性别分类算法如图1所示，它是由预处理、特征提取、分类器3个部分组成。

　　其中预处理主要是几何变换和区域直方图处理。通过这些工作保障了人脸几何(方向，大小)的不变性。基本消除了背景的影响和部分光照影响，提高了识别的。然后再预处理的基础上进行主元分析提取特征，获得主元分析PAC(Principal components Analysis)主元子空间和线性鉴别分析LDA(Linear Discriminant Analysis)特征子空间，利用分离器(人脸样本训练获得)进行分类。

　　1．1 预处理

　　该性别分类算法主要采用，几何处理+整体直方图处理(HG)，几何处理+区域直方图处理(RHG)2种方法进行预处理，并进行比较。

请点击全文PDF：