A Video-Based Gender Classification System Using White Shark Optimizer Based Support Vector Machine

doi:10.1007/978-3-031-93557-2_8

2026-01-01

PRE

Mayowa O. Oyediran

Olufemi S. Ojo

Sunday Adeola Ajagbe *

Olufemi O. Awodoye

Oluwaseyi F. Afe

Matthew O. Adigun

DOI：10.1007/978-3-031-93557-2_8

原文链接

原文求助

摘要

En 中文

从视频中识别性别是一项具有显著现实应用（如视频内容分析和社交行为研究）的挑战性任务。本研究提出了一种新颖方法——白鲨优化支持向量机（WSO-SVM），专门用于从视频数据中识别性别。WSO-SVM整合了白鲨优化算法（一种受生物启发的优化算法，模仿白鲨的捕猎行为）和支持向量机（一种用于分类的高效机器学习技术）。通过结合这两种方法，我们旨在利用两种算法的优势并提高性别识别的准确性。为评估WSO-SVM在性别识别中的性能，本研究使用包含不同性别和背景个体的多样化视频片段数据集进行了广泛实验。研究将结果与传统的基于SVM的性别识别和最先进技术进行了比较。结果表明，WSO-SVM在性别识别方面比传统SVM方法具有更高的准确性。WSO-SVM能够高效探索解空间并选择最优SVM参数，是其性能提升的原因。此外，WSO-SVM在处理光照条件、姿态和面部表情波动方面表现出韧性，使其特别适用于真实视频场景中的性别识别任务。基于SVM方法的结果显示，WSO-SVM在45.83秒的识别时间内实现了7.14%的平均误报率（FPR）、93.06%的敏感度、92.86%的特异度、91.00%的精确度和93.00%的总体准确率。

Keyword:

Support vector machine

White shark optimizer

Video

Gender identification

Machine learning