Android平台实时人脸检测和性别识别的研究与实现_余彧1
需积分: 0 165 浏览量
2022-08-03
13:16:58
上传
评论
收藏 490KB PDF 举报
186
《
电视技术
》
第
38
卷第
13
期
（
总第
441
期
） |
投稿网址
http： www．VideoE．cn
【
本文献信息
】
余彧
，
陆亨立
，
陆小峰
，
等
. Android
平台实时人脸检测和性别识别的研究与实现
［J］．
电视技术
，2014，38（ 13） ．
Android
平台实时人脸检测和性别识别的研究与实现
余 彧
，
陆亨立
，
陆小峰
，
李莹娇
（
上海大学 通信与信息工程学院
，
上海
200072）
【
摘 要
】
提出一种基于开源计算机视觉库
OpenCV （ Open Source Computer Vision Library）
实现
Android
平台中实时人脸检测和
性别识别的方法
，
阐述了在运行
Android
系统的嵌入式平台中采用
AdaBoost
算法实现人脸检测以及
FisherFace
算法实现性别识
别的原因和具体实现方法
，
并分别在基于
AＲM
和
X86
构架的两个嵌入式平台中进行了大量实验和测试数据对比
。
实验结果表
明
Android
平台中能够实时地进行人脸检测和性别识别
，
且获得
96． 35%
的人脸检测准确率和
82． 64%
的性别识别准确率
。
【
关键词
】
Android；
人脸检测
；
性别识别
； AdaBoost； FisherFace
【
中图分类号
】TP391． 4 【
文献标志码
】A
Ｒesearch and Implementation of Ｒeal－time Face Detection and Gender Ｒecognition on Android Platform
YU Yu，LU Hengli，LU Xiaofeng，LI Yingjiao
（
School of Communication and Information Engineering，Shanghai University，Shanghai 200072，China
）
【Abstract】A real－time face detection and gender recognition method on Android platform using OpenCV is proposed． Why and how to using AdaBoost
algorithm for face detection and FisherFace algorithm for gender recognition on embedded platforms which are running the Android operating system is e-
laborated． A large number of experiments and test data comparisons on two embedded platform based on AＲM and X86 architecture respectively are con-
ducted． The experimental results prove that real－time face detection and gender recognition can be realized on Android platform． The face detection ac-
curacy is 96． 35% ，and the gender recognition accuracy is 82． 64% ．
【Key words】Android； face detection； gender recognition； AdaBoost； FisherFace
Android
平台中实时人脸检测和性别识别问题是模式
识别领域和嵌入式视觉领域交叉的一个研究问题
，
既需要
通过图像采集设备和嵌入式处理平台模仿人眼和人大脑
的辨别功能
，
智能地定位人脸所在位置并分割出相应的脸
部区域图像
，
为实际性别的判定识别提供实时可靠的数
据
，
同时又需要对分割出的人脸图像提取特征并利用模式
分类器进行性别识别
。
在嵌入式平台中实现人脸检测以
及性别识别的两个主要关键点是实时性和有效性
，
即检测
和识别的速率和准确率
。
早在
20
世纪
70
年代已经有科研人员研究人脸检测
问题
。
人脸检测方法涉及到许多模式识别的经典算法
，
如
人工神经网络
（ Artificial Neural Network，ANN） 、
主成分量
分析法
（ Principal Component Analysis，PCA） 、
支持向量机
（ Support Vector Machines，SVM）
以及
AdaBoost
快速人脸
检测算法等
［1］
。
不同的人脸检测方法都存在着一定的联
系
，
而随着研究不断地深入
，
人们开始意识到将多种检测
方法结合起来能够达到更理想的检测效果
。
最近几年
，
研
究人员主要侧重于结合多种检测方法进行人脸检测而不
是只针对某一种方法进行改进
。
对于性别识别问题的研究始于
20
世纪
80
年代
，
但是
真正受到关注是在
21
世纪初
，
最主要的研究目标是要得
到一个性别识别分类器
。
十多年来性别识别问题得到越
来越多来自计算机视觉
、
模式识别
、
人工智能等领域的研
究人员的关注
，
特别是在近几年
，
更是成为一个热门研究
课题
。
目前
，
性别识别的分类方法多数都来源于人脸识别
相关的分类方法
。
人脸识别技术在经过几十年的研究和
发展后
，
已经涌现了大量经典的分类方法
［2］
，
其中一些方
法如人工神经元网络
（ ANN） 、
支持向量机
（ SVM） 、Fisher-
Face
法等经过研究和实验证明同样也适用于性别识别
问题
。
在嵌入式平台中进行人脸检测相关研究的较多
，
研
究成果较为丰富
［3］
，
涉及到各类嵌入式平台
，
包括了基于
AＲM
或
X86
构架的
Android
或嵌入式
Linux
开发平台
、
DSP
平台以及
FPGA
平台等
。
不论是检测速度还是检测
率
，
都取得了比较满意的结果
。
而对于在嵌入式平台中进
行性别识别的研究成果则少的可怜
，
在国内几乎是空白
，
究其主要原因应该是受到嵌入式处理设备的约束和限制
，
在嵌入式平台中进行大量复杂的模式识别分类很难满足
实时性的刚性需求
。
但随着多核时代的来临
，
嵌入式处理
器的性能不断提高
，
同时伴随着存储设备等其他硬件设备
水平的提升
，
之前留下的空白应该会得到很好的填补
。
1
嵌入式快速人脸检测与性别识别
本文主要研究
Android
平台中的实时人脸检测和性
评论0