王高升

(华北计算机系统工程研究所，北京 100083)

0 引言

人脸的属性包含了人的面部相关重要的信息，如人的年龄、性别、种族等属性信息。人脸属性的识别就是借助提取出的人脸面部的属性信息然后再进行识别的过程。最近的几年来，随着计算机视觉技术、深度学习及卷积神经网络的飞速发展与应用，出现了许多人脸检测与识别相关的应用，其中常见的一些应用场景包括：道路上的行人监控系统(如检测道路上的行人是否佩戴墨镜或者口罩等)、人脸识别的门禁系统[1]以及采用人脸识别的打卡签到系统等。虽然目前在人脸检测与人脸属性识别的方面得到了非常大的发展，不过很多的之前的研究仅仅局限于预测单个的人脸的属性(例如性别或者年龄)或者为每个的人脸属性信息都通过学习得到一个单独的用于进行识别的模型。

相比于基于HOG-多尺度LBP 特征的人脸性别识别[2]的93.0%准确率，本文采用的人脸属性识别网络在性别属性识别的准确率上有了4.32%的提升。文献[2]提出了一种方向梯度直方图和多尺度局部二值模式多特征融合的人脸性别识别算法。首先，对输入图像进行裁剪和缩放得到多个分辨率的人脸图像,再分别提取LBP 统计直方图并合成一个特征向量；然后提取目标图像头肩模型的HOG 特征得到HOG 特征向量；最后，将LBP 特征向量与HOG 特征向量合成一个新的特征向量，应用支持向量机进行训练。而相比于本文提出的采用深度卷积神经网络进行人脸检测及人脸属性的识别，本文的网络结构在性别属性识别上有着更好的效果。……