[发明专利]基于在线学习支持向量机性别分类的方法

摘要

一种基于在线学习支持向量机性别分类的方法，利用支持向量机算法寻找到原始样本集中的性别样本的最优的分类面；获取测试目标的人脸特征，根据最优分类面对当前人脸特征进行估计并给出其所属性别的结果；计算人脸特征偏离最优分类面的偏离值，将该偏离值大于预设的阈值的人脸特征和对该人脸特征得到的性别分类结果加入到原始样本集形成新的原始样本集并重新计算新的最优分类面，对测试目标的人脸特征进行性别分类估计直到结束。本发明利用在线获取的人脸特征样本对原始样本集进行增量扩充，通过定量更新原始样本集，形成新的支持向量机参数和支持向量，提高了原始样本的鲁棒性，新的样本集提高了对外界环境的泛化能力，能够有更好的性别识别能力。

主权项

一种基于在线学习支持向量机性别分类的方法，其特征在于，包括如下步骤：A、将基于性别的人脸特征作为性别样本存储至原始样本集；B、利用支持向量机算法对原始样本集中的性别样本进行学习和分类，寻找到最优的分类面，并得到原始样本集的支持向量；C、获取测试目标的人脸并相应提取人脸特征，根据原始样本集的最优分类面对该人脸特征进行估计，同时利用支持向量机算法对该人脸特征进行性别分类；再计算测试目标的人脸特征偏离所述最优分类面的偏离值，并将该偏离值与预设的阈值进行比较，若所述偏离值大于预设的阈值，则将该人脸特征和对该人脸特征得到的性别分类结果作为性别样本加入到原始样本集构成新的样本集，并采用支持向量机算法计算新的样本集的最优分类面，以及得到新的样本集的支持向量；否则进入下一测试目标的人脸特征识别。