1、隨著全球化和網(wǎng)絡(luò)的飛速發(fā)展，身份識(shí)別在日常生活中需求越來(lái)越大。在人類(lèi)生物特征中，人臉易獲取的特性使其在身份識(shí)別中應(yīng)用廣泛，而性別識(shí)別屬于人臉識(shí)別中的一種，隨著身份識(shí)別的發(fā)展也成為了研究的熱點(diǎn)之一。
　　詞袋（BoW）模型是一種廣泛應(yīng)用于文檔分類(lèi)領(lǐng)域的分類(lèi)方法，最近幾年一些研究人員將BoW的思想引入到圖像分類(lèi)領(lǐng)域，出現(xiàn)了視覺(jué)詞袋、視覺(jué)詞匯、視覺(jué)字典等，由于BoW模型簡(jiǎn)單并且行之有效的特點(diǎn)，本文對(duì)BoW模型進(jìn)行了比較深入的研究。

2、>　　性別識(shí)別是一個(gè)典型的二分類(lèi)問(wèn)題，本文首先介紹了影響性別識(shí)別的各種因素，然后給出了常用的人臉數(shù)據(jù)庫(kù)以及對(duì)人臉圖像的預(yù)處理方法。
　　本文通過(guò)對(duì)BoW模型、Adaboost算法及樸素貝葉斯算法進(jìn)行深入學(xué)習(xí)的基礎(chǔ)上，提出了一種基于改良BoW模型并利用空間相似度(Spatially Constrained Similarity Measure,SCSM)進(jìn)行測(cè)量的NBC(Na?ve Bayes Classifer)分類(lèi)器的方法進(jìn)行性

3、別識(shí)別。傳統(tǒng)的稀疏SIFT特征在提取過(guò)程需要構(gòu)建高斯尺度空間和高斯差分尺度空間，尺度空間的構(gòu)造需要比較多的時(shí)間花費(fèi)和空間花費(fèi)，而Dense SIFT在特征提取過(guò)程中則不需要構(gòu)建.Dense SIFT對(duì)圖像進(jìn)行均勻采樣，在實(shí)際的特征提取過(guò)程對(duì)不同的背景適應(yīng)性也較強(qiáng)，提高了特征提取效率。
　　最后選擇CAS-PEAL人臉數(shù)據(jù)庫(kù)，在影響人臉識(shí)別的不同的變化條件下，如姿勢(shì)、表情、光照和飾物，用基于稠密SIFT和稀疏SIFT的BoW特征提取