人种分类,就是根据人脸图像上提取到的人种相关信息,将人脸图像归类为其对象所属人种的过程。随着科技的不断发展,造成人种间进化差异的地理隔离因素正在逐渐消失,不同人种之间的交流和融合更加普遍。同时,不同人种之间的历史和文化的冲突也变得更加频繁,甚至许多恐怖主义事件也与人种问题相关。在此背景下,基于人脸图像的人种分类研究在人工智能领域越来越显得重要。当前,人种分类的方法一般基于人脸整体区域、眼周整体区域或者单一的某个局部区域。这些方法虽然取得了一定的效果,但是并不理想,并且它们普遍对图像质量要求较高,否则实验结果会出现不确定性。本文对眼周的多个局部区域包含的人种信息进行了深入研究,并提出了基于5个局部区域特征的融合特征的两类人种分类方法。该方法不仅分类准确率高,而且在图像质量较差的情况下有更好的稳定性。但是,该方法也有一定的局限性,目前只适用于东亚人和高加索人两类人种的分类问题。首先,经过对人脸图像上的眼周区域包含的人种信息的调查研究,提出该区域上的4个人种相关的局部特征,即上眼皮凹五边形区域特征、内眼角区域特征、眉心及内眼角上侧亮度对比特征以及上眼皮和眉毛间的距离特征。利用人脸特征点实现了对这些特征所在的区域的定位,并使用合适的描述子对这些特征进行了表示。此外,在东亚人和高加索人两类人种下,对上述特征进行了对比分析。其次,实现了对人种分类研究中经常使用的虹膜区域的颜色特征的提取和表示,并同样在两类人种下进行了对比分析。再次,提出了基于上述5个局部特征的多特征融合的两类人种分类方法。对于任意测试样本图像,提取该图像上眼周区域的5个局部特征,并使用KNN分类器分别根据5个特征进行分类。获得5个初始分类结果后,使用分类器组合算法中的不加权投票方法确定测试样本图像的最终分类结果。最后,通过在OFD-FERET人脸数据库上的实验,证明了本文提出的方法有更好的分类正确率。同时,通过两个扩展实验验证了该方法在数据库中存在戴眼镜的图像和图像尺寸变化时的稳定性。