基于OpenCV性别识别

描述

所谓性别识别就是判断检测出来的脸是男性还是女性，是个二元分类问题。识别所用的算法可以是SVM，BP神经网络，LDA，PCA，PCA+LDA等等。OpenCV官网给出的文档是基于Fisherfaces检测器（LDA）方法实现的。链接：http://docs.opencv.org/modules/contrib/doc/facerec/tutorial/facerec_gender_classification.html#id5 。这篇博文（http://www.bytefish.de/blog/gender_classification/）中也是采用OpenCV官网的方法，据称有98%的正确率，我在百度图片找了一些数据测试了下，只有大概50%多的识别率。原因是他的数据集是经过严格标定的，好像是眼睛的是对齐的。实际应用中不太可能会遇到这种情况吧。CSDN还有两篇博客也介绍到这个性格识别（http://blog.csdn.net/kklots/article/details/8247738 http://blog.csdn.net/kklots/article/details/9285505）文章写得很好，一看就是大牛。博文中也是测试了LDA的方法，正确率也是出奇的低。采用的是PCA+LDA的方法。通过改进能达到接近90%的正确率。博文指出PCA+LDA比单纯的LDA和PCA识别率都高，但我对博文中的PCA+LDA程序和官网的PCA程序测试了下，发现PCA的正确率会高那么一两个点。难道又是数据的问题？

数据

采集数据一方面可以采用开源的人脸库，另一方面可以自己去百度图片下载图片。去百度或谷歌图片分别搜索“男明星头像”“女明星头像”的关键字批量下载，这里当然需要批量下载利器。然后利用人脸检测器过滤检测出头像，然后归一化检测出来的图像，保存在本地。这样基本的数据集就有了。当然我也会附上我采集的数据和工程文件（特此声明，所有图片均来自网络）

测试程序

创建CSV文件的python代码:

import sys
import os.path


if __name__ == "__main__":

    if len(sys.argv) != 3:
        print "usage: create_csv <base_path> <SAVE_FILE_NAME>"
        sys.exit(1)

    BASE_PATH=sys.argv[1]
    FILE_NAME = sys.argv[2]
    SEPARATOR=";"
    fh = open(FILE_NAME,'w')

    label = 0
    for dirname, dirnames, filenames in os.walk(BASE_PATH):
        for subdirname in dirnames:
            subject_path = os.path.join(dirname, subdirname)
            for filename in os.listdir(subject_path):
                abs_path = "%s/%s" % (subject_path, filename)
                ##print "%s%s%d" % (abs_path, SEPARATOR, label)
                ##print "%s  %s" % (dirname, subject_path)

                fh.write(abs_path)
                fh.write(SEPARATOR)
                if dirname.find("female") > 0 :
                    label = 1
                else:
                    label = 0
                fh.write(str(label))
                fh.write("\n")
    fh.close()

测试性别识别的程序

// gender.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <fstream>
#include <sstream>
#include <math.h>
int g_howManyPhotoForTraining   =   260;
//每个人取出8张作为训练
int g_photoNumberOfOnePerson    =   279;
//ORL数据库每个人10张图像
using namespace cv;
using namespace std;

static Mat norm_0_255(InputArray _src) {
    Mat src = _src.getMat();
    // 创建和返回一个归一化后的图像矩阵:
    Mat dst;
    switch(src.channels()) {
case1:
        cv::normalize(_src, dst, 0,255, NORM_MINMAX, CV_8UC1);
        break;
case3:
        cv::normalize(_src, dst, 0,255, NORM_MINMAX, CV_8UC3);
        break;
    default:
        src.copyTo(dst);
        break;
    }
    return dst;
}
//使用CSV文件去读图像和标签，主要使用stringstream和getline方法
static void read_csv(