基于神经网络的性别识别方法

›› 2013, Vol. 26 ›› Issue (9): 151-.

基于神经网络的性别识别方法

白雪,田启川,郝梦琳

(1.太原科技大学电子信息工程学院,山西太原 030024;2.北京建筑工程学院电气与信息工程学院,北京 100044)

出版日期:2013-09-15 发布日期:2013-09-25
作者简介:白雪(1986—),女,硕士研究生。研究方向:图像处理。E-mail:474895626@qq.com。田启川(1971—),男,博士后,副教授。研究方向:机器学习,图像处理,模式识别。郝梦琳(1986—),女,硕士研究生。研究方向:图像处理。
基金资助:
山西省回国留学人员科研基金资助项目(2011-075);山西省自然科学基金资助项目(2008011030)

Research on Gender Recognition Method Based on Neural Networks

BAI Xue,TIAN Qichuan,HAO Menglin¹

(1.College of Electronic and Information Engineering,Taiyuan University of Science and Technology,Taiyuan 030024,China;2.Institute of Electric and Information Technology,Beijing Institute of Civil Engineering and Architecture,Beijing 100044,Chnia)

Online:2013-09-15 Published:2013-09-25

摘要/Abstract

摘要：

针对目前性别识别方法中的人体第二性特征提取困难、识别率低、鲁棒性差等问题,提出了一种基于神经网络的性别识别方法,并得到了基于人脸图像的性别识别分类器。文中先将人脸图像进行高斯滤波,再将预处理后的图像归一化用于训练BP神经网络,以得到性别识别分类器,最后将分类器与传统的性别识别方法进行比较。实验结果表明,通过文中方法实现了人体第二性特征自动提取,提高了分类器的容错能力和识别率,增强了鲁棒性。

关键词: 性别识别, 神经网络, 高斯滤波, 鲁棒性

Abstract:

This paper introduces the gender recognition method based on neural networks for the difficulty in extracting the human secondary sex characteristics,and the low recognition rate and robustness.We get the gender recognition classifier based on human face images.The face image is processed by the Gauss filter,and then the normalization of preprocessed image is used to train the BP neural network to get the classifier.The gender recognition method is compared with the traditional ones.The experimental results show that the extraction of the human secondary sex characteristics can be automatically done by our method,and the recognition rate,robustness and the fault tolerance are also improved.

Key words: gender recognition;neural networks;gaussian filter;robustness

中图分类号:

TP368

白雪,田启川,郝梦琳. 基于神经网络的性别识别方法[J]. , 2013, 26(9): 151-.

BAI Xue,TIAN Qichuan,HAO Menglin1. Research on Gender Recognition Method Based on Neural Networks[J]. , 2013, 26(9): 151-.

[1]	李辉,王一丞. 基于CNNCIFG-Attention模型的文本情感分类[J]. 电子科技, 2022, 35(2): 46-51.
[2]	程晓雅,张雷. 基于深度学习的有遮挡人脸识别方法研究[J]. 电子科技, 2022, 35(1): 35-39.
[3]	战荫伟,朱百万,杨卓. 一种车脸识别算法的研究与应用[J]. 电子科技, 2021, 34(8): 1-7.
[4]	廖璐明,张伟. 基于改进VGG16网络的混合批量训练交通标志识别[J]. 电子科技, 2021, 34(8): 8-13.
[5]	司明明,陈玮,胡春燕,尹钟. 融合Resnet50和U-Net的眼底彩色血管图像分割[J]. 电子科技, 2021, 34(8): 19-24.
[6]	马立新,豆晨飞,宋晨灿,杨天笑. 基于特征融合卷积神经网络的绝缘子无损检测[J]. 电子科技, 2021, 34(7): 26-30.
[7]	孟晓姣,张世巍,李小健,李敏玥,宋丙鑫,路宏敏. 一种基于BP神经网络的车载通信设备性能评估方法[J]. 电子科技, 2021, 34(5): 24-28.
[8]	张仕森,孙宪坤,尹玲,李世玺. 基于神经网络的文本标题生成原型系统设计[J]. 电子科技, 2021, 34(5): 35-41.
[9]	顾伟,李菲菲,陈虬. 基于多特征融合的行人检测方法[J]. 电子科技, 2021, 34(5): 29-34.
[10]	薛永杰,巨志勇. 基于改进AlexNet的鱼类识别算法[J]. 电子科技, 2021, 34(4): 12-17.
[11]	闫书豪,乔美英. 基于一维WConv-BiLSTM的轴承故障诊断算法[J]. 电子科技, 2021, 34(4): 75-82.
[12]	窦征立,王亚刚. 基于Elman神经网络的联合循环机组燃烧室温度模型建模[J]. 电子科技, 2021, 34(3): 60-64.
[13]	朱斌,刘子龙. 基于新型初始模块的卷积神经网络图像分类方法[J]. 电子科技, 2021, 34(2): 52-56.
[14]	周小波,邹任玲,卢旭华,王海滨,张俊翔. 基于人工神经网络的表面肌电信号分类器研究进展[J]. 电子科技, 2021, 34(2): 62-67.
[15]	闫超,孙占全,田恩刚,赵杨洋,范小燕. 基于深度学习的医学图像分割技术研究进展[J]. 电子科技, 2021, 34(2): 7-11.