Gender Recognition System

描述

人脸包含用于人们之间适应性社交互动的各种信息。事实上，个人能够以多种方式处理一张面孔，以根据其身份以及许多其他人口统计特征（例如性别、种族和年龄）对其进行分类。特别是，认识人类性别很重要，因为人们会根据性别做出不同的反应。此外，成功的性别分类方法可以提高许多其他应用程序的性能，包括人识别和智能人机界面。

我们开发了一种基于 AdaBoost 算法的性别识别算法。已经提出提升以提高任何给定学习算法的准确性。在 Boosting 中，通常会创建一个在训练集上精度高于平均性能的分类器，然后添加新的组件分类器以形成一个集成，其联合决策规则在训练集上具有任意高的精度。在这种情况下，我们说分类性能得到了“提升”。总而言之，该技术使用给定当前组件分类器集的“最具信息性”的整个训练数据的子集来训练连续的组件分类器。 AdaBoost（Adaptive Boosting）是Boosting学习的一个典型例子。在 AdaBoost 中，每个训练模式都被分配了一个权重，该权重决定了它被某些单独的组件分类器选择的概率。通常，将整个训练集的权重初始化为统一的。在学习过程中，如果一个训练模式已经被准确分类，那么它在后续的组件分类器中再次被使用的机会就会降低；相反，如果模式没有被准确分类，那么它被再次使用的机会就会增加。

代码经过斯坦福医学生人脸数据库测试，识别率高达89.61%（200张女性图像和200张男性图像，90%用于训练，10%用于测试，因此有360张训练图像和40张测试图像）总共随机选择，训练和测试图像之间不存在重叠）。

索引词：Matlab、来源、代码、性别、识别、识别、adaboost、男性、女性。