31、人机的性别与种族识别研究

人机的性别与种族识别研究

分类器融合

在进行分类器融合时，侧面和正面视图分类器都需要一个概率度量。对于侧面视图，概率度量可以从 k - 近邻（kNN）的投票数量中得出；对于正面视图，支持向量机（SVM）也会输出一个概率度量。研究人员尝试了多种不同的方法，包括概率乘积、概率加权求和，以及在两个分类器的概率输出上训练一个 SVM 分类器。在所有这些方法中，两个分类器概率的乘积表现最佳。这种方法总共正确检测了 319 张图像，而仅使用正面视图时正确检测数量为 315 张，准确率从 88.24% 提高到了 89.36%。

人类实验

1. 数据库和实验设计

   • 人脸样本 ：实验选取了 128 个人脸样本，分为 4 个样本组（SAM G）。每个组在每个性别 - 种族类别上完全平衡，即每组 32 个样本中，有 4 个来自白人男性类别、4 个来自白人女性类别等。人脸样本主要年龄在 18 - 30 岁之间。每个组以侧面轮廓、45°视图、2D 正面人脸图像或 3D 人脸模型表示的形式展示给一名参与者。这样，每个参与者不会看到同一张脸的两种表示形式，总共会看到 128 张图像（32 张侧面轮廓、32 张 45°视图、32 张正面视图和 32 张 3D 视图）。
   • 参与者 ：共有 42 人参与研究，每人每小时报酬为 8 美元。参与者群体具有相当的多样性，且接触过其他种族群体。其人口统计学分布如下表所示：
     | | B | ESEA | SA | W |
     | — | — | — | — | —