1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)智能已經(jīng)遍布我們生活的各個(gè)領(lǐng)域，而視頻檢測(cè)技術(shù)作為計(jì)算機(jī)智能的一個(gè)分支，它的發(fā)展對(duì)計(jì)算機(jī)智能的其它領(lǐng)域產(chǎn)生了很大的推動(dòng)作用。隨著智能化視頻監(jiān)控系統(tǒng)的廣泛應(yīng)用，如何從視頻文件中獲取我們感興趣的信息成為智能化視頻監(jiān)控系統(tǒng)發(fā)展的重點(diǎn)之一。
　　本系統(tǒng)設(shè)計(jì)來(lái)源于課題組與國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院的合作項(xiàng)目，該項(xiàng)目需要通過(guò)巡檢機(jī)器人完成變電站的安全防范工作，由于變電站屬于高危區(qū)域，因而在安全性方面有較高的要

2、求。為了加強(qiáng)巡檢機(jī)器人的智能化，對(duì)其加入了性別識(shí)別的功能。此系統(tǒng)也可以應(yīng)用于其他場(chǎng)合，如可以在大型游樂(lè)場(chǎng)所、商場(chǎng)、步行商業(yè)街等，讓計(jì)算機(jī)通過(guò)識(shí)別統(tǒng)計(jì)消費(fèi)人群的性別組成，幫助商家根據(jù)人群的性別組成特點(diǎn)提供更具有吸引力的服務(wù)。
　　性別識(shí)別技術(shù)是身份識(shí)別技術(shù)中一個(gè)重要環(huán)節(jié)，在國(guó)家安全、人群檢測(cè)等各個(gè)方面均發(fā)揮著重要的作用。目前，已經(jīng)有很多對(duì)性別進(jìn)行判別的方法，例如人臉、虹膜、指紋、腳印以及語(yǔ)音等，與其它生物特征相比，人臉特征具有更自然

3、、方便和非接觸等特點(diǎn)，因而廣泛應(yīng)用于視頻監(jiān)控、安防等領(lǐng)域。但由于視頻采集過(guò)程中受到天氣、光照、采集設(shè)備等因素的影響，使獲得的視頻圖像中部分信息缺失，從而增加了對(duì)視頻圖像進(jìn)行性別識(shí)別的難度。
　　本文對(duì)視頻中是否存在人臉進(jìn)行檢測(cè)的同時(shí)識(shí)別出人的性別。本文提出一種將方差歸一化思想與卷積相結(jié)合的算法，解決了視頻圖像中普遍存在的光照不均勻現(xiàn)象，開(kāi)發(fā)了一個(gè)基于視頻的人臉圖像性別識(shí)別系統(tǒng)，最終較為有效的解決了對(duì)視頻圖像中存在的人臉的性別識(shí)別問(wèn)

4、題。本文的工作主要包括如下部分：
　　1）第一章總體概括了基于人臉的性別識(shí)別的發(fā)展歷程和研究現(xiàn)狀，對(duì)發(fā)展過(guò)程的各個(gè)階段進(jìn)行了簡(jiǎn)要的描述。對(duì)現(xiàn)階段的生物識(shí)別方式進(jìn)行了總結(jié)，將基于人臉圖像的識(shí)別方式與指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別等方式進(jìn)行了分析比較，強(qiáng)調(diào)了基于人臉的性別識(shí)別技術(shù)的優(yōu)勢(shì)及其發(fā)展前景和研究意義。
　　2）第二章介紹了當(dāng)前主流的人臉檢測(cè)算法，重點(diǎn)介紹了Adaboost算法，對(duì)其發(fā)展進(jìn)行了簡(jiǎn)要的描述，詳細(xì)介紹了Adabo

5、ost算法的實(shí)現(xiàn)原理，并對(duì)Haar特征進(jìn)行了詳細(xì)介紹，分析了利用Haar特征表示人臉特征的可行性。詳細(xì)介紹了如何利用Haar特征與Adaboost算法相結(jié)合的方式進(jìn)行人臉區(qū)域檢測(cè)與提取。
　　3）第三章調(diào)研了目前國(guó)內(nèi)外對(duì)光照不均現(xiàn)象的主要處理算法，針對(duì)主流算法進(jìn)行了對(duì)比分析，提出了一種新的光照處理算法，并將它運(yùn)用到人臉圖像中。該算法將方差歸一化思想以及卷積方法相結(jié)合，對(duì)光照不均的人臉圖像進(jìn)行整體處理，有效解決了光照因素對(duì)后期性別判

6、別的影響。
　　4）第四章對(duì)比分析了主成分分析算法(Principal Component Analysis，PCA)、線(xiàn)性判別分析算法（Linear Discriminant Analysis，LDA）、主動(dòng)形狀模型（Active Shape Model， ASM）以及主動(dòng)外觀(guān)模型（Active Appearance Model，AAM）。對(duì)PCA和LDA算法的原理進(jìn)行了分析。對(duì)AAM模型的發(fā)展與原理進(jìn)行了詳細(xì)描述，利用AAM模

7、型建立的原理，提取出與性別相關(guān)性較大的特征進(jìn)行了建模，降低性別識(shí)別算法的復(fù)雜度。最后對(duì)進(jìn)行性別分類(lèi)的SVM分類(lèi)器算法原理進(jìn)行了描述。
　　5）第五章為系統(tǒng)的詳細(xì)設(shè)計(jì)，展示了基于視頻的人臉識(shí)別系統(tǒng)的主要功能，并對(duì)各個(gè)功能進(jìn)行了介紹。在這個(gè)系統(tǒng)中，主要利用 Adaboost算法對(duì)提取的視頻圖像進(jìn)行人臉檢測(cè)，并將檢測(cè)出的人臉區(qū)域進(jìn)行單獨(dú)處理，通過(guò)AAM建模的方法，對(duì)決定性別的特征進(jìn)行標(biāo)定記錄，最后使用SVM分類(lèi)算法，對(duì)提取的性別特征進(jìn)行