[论文解读] Gender Classification Using Gradient Direction Pattern

Mohammad Shahidul Islam|arXiv (Cornell University)|Oct 25, 2013

Face and Expression Recognition参考文献 14被引用 4

一句话总结

本文提出了一种基于梯度方向模式（GDP）的新颖性别分类方法，通过分析人脸子区域内的强度差异来提取局部面部特征。通过拼接GDP直方图并使用支持向量机进行分类，该方法在FERET数据库上实现了高准确率，优于传统描述符。

ABSTRACT

A novel methodology for gender classification is presented in this paper. It extracts feature from local region of a face using gray color intensity difference. The facial area is divided into sub-regions and GDP histogram extracted from those regions are concatenated into a single vector to represent the face. The classification accuracy obtained by using support vector machine has outperformed all traditional feature descriptors for gender classification. It is evaluated on the images collected from FERET database and obtained very high accuracy.

研究动机与目标

• 开发一种基于局部面部特征的更准确的性别分类方法。
• 解决传统特征描述符在性别识别任务中的局限性。
• 通过面部子区域中的基于强度的模式提升分类性能。
• 在标准基准数据集（FERET）上评估所提出的方法。
• 证明GDP直方图在捕捉性别区分性面部模式方面的有效性。

提出的方法

• 将人脸图像划分为多个子区域以捕捉局部纹理信息。
• 基于每个子区域内相邻像素之间的强度差异计算梯度方向模式（GDP）。
• 从每个子区域提取GDP值的直方图以表示局部纹理特征。
• 将所有子区域的GDP直方图拼接成表示整个人脸的单一特征向量。
• 使用支持向量机（SVM）将拼接后的特征向量分类为男性或女性。
• 该方法依赖灰度强度差异，无需复杂预处理或颜色信息。

实验结果

研究问题

• RQ1 与传统描述符相比，基于局部强度的GDP模式是否能提升性别分类准确率？
• RQ2 从多个面部子区域拼接GDP直方图在表示性别区分性特征方面的有效性如何？
• RQ3 在标准数据集上，使用SVM与GDP特征是否优于现有方法？
• RQ4 所提出的GDP方法在广泛使用的面部识别基准数据集FERET上的表现如何？
• RQ5 基于子区域的特征提取对提升性别分类性能的贡献是什么？

主要发现

• 所提出的基于GDP的方法在所有测试的传统特征描述符中均实现了更高的分类准确率。
• 该方法在FERET数据库上表现出色，表明其具有鲁棒性和泛化能力。
• 使用子区域GDP直方图与SVM分类显著增强了性别区分能力。
• 根据期刊发表结果，该方法在准确率方面优于现有方法。
• 结果证实，通过GDP编码的局部强度差异对性别分类极为有效。
• 该研究验证了基于梯度方向模式的简单但强大的特征提取策略的有效性。