本文主要内容包括如下内容：通过一个摄像头采集图像，将摄像头捕捉器与当前设备中的摄像头相关联；进行人脸检测，opencv中的人脸检测函数是基于AdaBoost（级联分类器）来实现的人脸检测算法，绘制人脸区域检测框，然后用Adaboost算法检测出视频或图像中的人脸；在检测出人脸的基础上进行性别识别，通过opencv进行性别识别的主要工具是FaceRecognizer，它封装了三种基本也是经典的识别算法：基于PCA变换的人脸识别（EigenFaceRecognizer)、基于Fisher变换的人脸识别（FisherFaceRecognizer)、基于局部二值模式的人脸识别（LBPHFaceRecognizer)；此外本文还完成了数据集的准备；识别算法的训练、测试以及训练测试分类器。

本文主要内容

本文主要围绕人脸性别识别的内容研究，在本文采集图片信息后会受到诸多方面的影响，拍摄光照、阻碍物遮挡、获取图片的设备、方法等都是人脸识别必须思量的重要成分。是以看待一个场景，首先要检测出人脸的方块邻域，检测出后需要提取人脸的面部特征从而实行性别识别，在此之前为了精确得获得面部特征信息，要先通过图片实行事先治理，再实行特征提取与分类识别。

第一阶段人脸检测，筛选出各种形态、各种环境下、各种表情的人脸区域。确定一张图片的人脸区域本文是通过定位双眼的方法来确定人脸。 

第二阶段图片预治理与特征提取

有用且不变的面部特征提取才可以高效的面部识别，特征提取有基于全部的和部分的，一种特征结合的方法Adaboost提取脸部全部特征，主动外观模子提取部分特征。在许多概念中针对能够有效的识别面部，包括诸多方面的特征提取，如人脸图片的几何特征，人脸有几个关键的成分如印堂、眉目、双眸、外鼻、中间人脸等，要分清这几个方块儿的几何距离，然后应用PCA对这些区域减少维度；人脸纹络特征，包含局部二值模子特征、均匀局部二值模子特征以及面部表面粗拙度特征。

第三阶段性别分类方法，目前应用最广的就是基于特征的方法，选择一个合适分类器，图片库来自CAS—FEAL和FERET两个人脸数据库实行实验，经过这些图片实行练习，得人脸男、女识别分类器，实现男、女识别。

章节简述

本文的文章结构安排如下：

第一章，绪论。主要介绍了人脸、性别识别的相关问题。

第二章，配置opencv环境与必要装配内容、使用组件介绍。

第三章，人脸检测与双眼定位。本章主要考虑运用什么方法实行人脸检测，在人脸检测方面，前人总结出很多经典有效的方法，通过查阅大量文献，分析各种方法的优劣比如先验知识法、模子匹配法、特征分析等，本文确定用人眼检测的方法以及主要分析Adaboost——Harr算法的人脸检测、眼睛方块范围检测；并在文中说起图片预治理方法，本文主要用到灰色处理和归一化处理。

第四章，特征提取与性别分类方法。本章分别介绍了局部二进制模式方法（LBP），并详细分析了该方法的公式推导过程、简略介绍纹理特征的性别识别方法和其他方法，在本文中为了得出最好的分类器，采用了四种方法的对比，分别对比时间效率，准确率等，并在本章末尾给出实验结果和分析。

第五章，总结与展望。对本次实验做一个简单的总结，整个人脸性别识别的过程都经历了什么过程，对每一个过程主要用到什么算法都做了介绍，最后提出我个人关于性别识别未来发展的展望，并提出本次试验的不足和不要改进之处。