人脸图像不仅比较容易获取,而且包含了非常丰富的信息,近年来,有越来越多的研究者专注于基于人脸的性别识别。基于人脸的性别识别能够为表情识别、体态识别、动作识别等提供有利的先验信息,还能够在商业领域中为商家带来更多的收益。光照、种族、年龄、图像质量等因素对人脸图像有很大影响,造成基于单一人脸图像特征的性别分类的性能有限,所以本文的主要研究内容是提取并筛选出多种对性别识别贡献较大的特征,并使用多特征融合的方法来实现人脸的性别识别系统。本文提出了一种基于人脸关键点的子区域划分方法。由于单特征对于性别识别的效果较差,本文将人脸子区域和PCA、LBP等特征进行融合,利用融合特征进行性别识别。为了避免粗糙度提取过程中丢失重要特征信息,本文提出了一种基于分块的人脸粗糙度的性别识别方法。该方法通过人脸网格化将人脸划分为多个块,并计算每个人脸块的粗糙度,将其作为一个特征向量进行性别识别。为了进一步提高性别识别算法的计算效率和精度,本文提出了一种改进的弹性束图匹配算法。传统的弹性束图匹配算法在迭代过程中复杂度较高,不能满足实时需求,本文对迭代过程进行优化,提高了算法的效率和精度。本文的研究重点是性别特征的筛选与提取。本文提出的改进方法克服了人脸子区域划分不精确、人脸粗糙度提取过程中特征信息遗漏和算法实时性较差等问题,改进后的算法明显提高了性别的识别效率和精度。