1. 研究目的与意义
人脸是人类最重要的生物特征之一，它包含了很多重要的信息。
本课题的设计目的是通过机器学习工具实现图像中的人脸定位，人脸特征提取与性别判别。
本项目不仅要求具备C 或者Python相关的编程技能，还需要了解OpenCV工具，图像处理和机器学习的基础知识。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 课题关键问题和重难点
一.光照问题光照问题是机器视觉重的老问题，在人脸识别中的表现尤为明显。
目前方法未能达到使用的程度。
二，姿态问题与光照问题类似，姿态问题也是目前人脸识别研究中需要解决的一个技术难点。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 国内外研究现状（文献综述）
人脸图像包含有许多有用的信息，例如身份，种族，性别，表情，年龄等。
在过去二三十年里，世界各国的研究学者们在人脸上做了大量的工作，其中包括人脸识别，年龄估计与年龄合成，性别判别，人脸属性分析，种族识别等等。
人脸性别判别是计算机通过一个人他或她的面孔信息来告诉人们此人的性别，它可以被嵌入到其它计算机视觉应用领域中来提高这些应用的性能，包括有年龄估计、人脸识别等。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 研究方案
采用基于两眼的位置对人脸进行图像截取，并统一像素大小的人脸图像，然后对缩放后的人脸进行图像预处理，对每一个完成精简Gabor特征提取后的人脸小块固定维度，对固定维度的原始特征进行MCFS特征选择，然后对选择的特征进行SILD特征选择，使每一小块的维度保持在30~50维度左右，通过非线性支持向量机对每一小块的低维判别性特征进行弱分类，最后结合数据库进行对性别判别的实验。
实验的具体步骤如下:1.精简Gabor特征提取及人脸分块。
2.基于MCFS的局部特征选择。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
5. 工作计划
1~4周，深入了解OpenCV和相应的图像处理和机器学习的基础知识，完成开题报告和任务书相关内容4~8周，归纳总结，完成程序整体规划。
编写程序并测试,编写使用说明书9~结束，毕业论文撰写，准备答辩ppt
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
