之前研究过一段时间的人脸性别识别，将之前查阅的论文总结总结，与大家分享一下，也方便日后汇总。
1、基于LBP，亮度、形状直方图的多尺度特征融合的性别识别（Gender Classification Based on Fusion of Different Spatial Scale Features Selected by Mutual Information From Histogram of LBP, Intensity, and Shape）（英文，期刊，2013年，IEEE检索）
在性别识别中融入信息论概念， 对PCA、LDA等经典识别算法进行简化，在简化过程中根据熵、互信息量等指标提出一套特征选择理论，很有创新性和跨学科性。
2、一种使用年龄信息的性别分类方法（A gender classification method using age information）（英文，会议论文，2014年，IEEE检索）
解决了性别面部特征受年龄影响的问题，先通过全局特征（AAM）和局部特征（皮肤皱纹纹理）相融合的方法进行年龄估计，在对不同年龄段的人采用不同的特征提取方法进行性别识别，得出结论：LBP特征适合年轻人的性别分类，几何特征适合老年人的性别分类，并做了相关对比实验。
3、基于声音的性别、年龄分类识别（Audio-based gender and age identification）（英文，会议论文，2014年，IEEE检索）
提出一种基于土耳其语的性别分类系统，分类正确率高达99%。
4、在博客作者的性别预测中的特征选择技术（Feature selection techniques for gender prediction from blogs）（英文，会议论文，2014年，IEEE检索）
根据姓名标签、单词拼写、元音字母词类等特征对3277篇博客作者性别进行分类实验。
5、基于融合特征向量性别分类（Fusion based feature vector for gender classification）（英文，会议论文，2014年，IEEE检索）
融合三种特征：LBP、DCT、HOG，实现脸部区域的数据降维和特征提取，正确率达95.1%。
6、实时视听分析系统中的性别分类（Gender classification for real-time audience analysis system）（英文，会议论文，2014年，IEEE检索）
文章主要提出了一种彩色空间转换的思想，即将图像从RGB空间转换到HSV空间，在通过类似Randomface的方法提取特征，最后使用SVM进行分类，并对SVM参数进行了细心调整。文章同时还介绍了一部分人脸检测、面部追踪的相关算法。
7、使用局部ZERNIKE部分和最小二值模型进行人脸性别识别（Gender classification with Local Zernike Moments and local binary patterns）（英文，会议论文，2014年，IEEE检索）
提出一个新的适合性别识别的特征提取手段：Local Zernike Moment。实现思路是先通过LZM和LBP进行特征提取，在使用SVM进行分类。
8、基于形状特征和神经网络的现实人脸性别分类（Gender recognition on real world faces based on shape representation and neural network）（英文，会议论文，2014年，IEEE检索）
先对人脸进行对齐操作，用人工神经网络的方法进行分类，在LFW数据库的非正向人脸样本部分做实验，识别率达到89.3%
9、通过语音信号的特定情感性别识别（Gender specific emotion recognition through speech signals）（英文，会议论文，2014年，IEEE检索）
根据语音信号识别说话者的情感信息，包括性别识别和情感识别，所提取的语音特征包括倾斜度、能量以及倒谱系数等等。用于人机交互，应用前景广泛。
10、基于稀疏表示中潜在字典学习的分类方法（Latent Dictionary Learning for Sparse Representation Based Classification）（英文，会议论文，2014年，IEEE检索）
传统SRC中忽略了字典中需要进行更新的关系，据此提出一个方法，建立一个表征模型，在这个模型中使用最小化类内样本离散度和加权字典来区分。
版权声明：本文为博主原创文章，未经博主允许不得转载。
原文地址：http://blog.csdn.net/u013088062/article/details/47752781
