图片人脸检测系统的设计与实现文献综述

《图片人脸检测系统的设计与实现文献综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文献综述图片人脸检测系统的设计与实现一、前言部分人脸检测是智能人机接口的关键技术之一，它在人脸识别、表情识别、人脸合成和人脸编码等领域具有很重要的应用价值[2]。其中人脸检测以其在安全检查、视觉监测、智能人机接口、基于内容的检索、数字视频处理等诸多领域的应用前景和重要的学术价值，已成为一个相对独立的课题而受到普遍重视[6]。人脸识别就是对于输入的人脸图像或者视频，首先判断其中是否存在人脸，如果存在人脸，则进一步的给出每个人脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每个人脸的身份。人

2、脸识别的过程可以分为以下三个部分：(1)人脸检测：判断输入图像中是否存在人脸，如果有，给出每个人脸的位置，大小；(2)面部特征定位：对找到的每个人脸，检测其主要器官的位置和形状等信息；(3)人脸比对：根据面部特征定位的结果，与库中人脸对比，判断该人脸的身份信息；显然地，在任何一个自动化的系统中，人脸检测都是解决上述问题的第一步。这里所要研究是关于人脸检测的方法。人脸检测则是指在输入图像中确定所有人脸（如果存在）的位置与大小。人脸检测系统的输入是可能包含人脸的图像，输出是关于图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等信息的参数化描述[3]。无论是从实际应用还是理论研究的角

3、度来看，人脸检测都是一个颇具吸引力的课题，人脸检测问题长久的生命力在很大程度上源于自身的难度。如果我们将问题限制在二维图像上，人脸检测问题就变成在数字图像中检测人脸表观的模式。众所周知这并不是一个轻而易举的任务。将人脸视为刚体，则它在三维空间中的转动会使得其在二维视平面上的投影产生变化；当人脸静止不动时，周围环境的光照情况仍会影响其表观，如强烈的测光所产生的阴阳脸；在真实世界中，对人脸的刚体假设往往不成立，五官挪位的夸张表情随处可见；此外，还有其他诸多变数，如化妆、胡须、遮挡等等，上述这些因素都增加了人脸检测问题的难度[7]。二、主题部分人脸检测问题最初来源于人脸识别，是自动人脸

4、识别系统中的一个短剑环节。近年来，随着人机交互技术日益成为当前研究的一个中心，人脸检测问题越来越受到重视，成为模式识别与计算机视觉领域研究的一个热点[15]。人脸检测是自动人脸识别系统中一个关键环节，但是早期的人脸识别研究主要针对具有较强约束条件的人脸图像（如无背景的图像），往往假设人脸位置已知或很多容易获得，因此人脸检测问题并未受到重视。近几年随着电子等应用的发展，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。今天，人脸检测的应用背景已经远远

5、超出了人脸识别系统的范畴，在基于内容的检索、数字处理、视觉等发面有着重要的应用价值。这种技术目前最热门的领域有四种，第一是身份的认证和安全防护在许多安全级别要求较高的区域，都需要对大量的人员进行基于省份认证的门禁管理。第二，媒体与娱乐，在网络虚拟世界里，通过人脸的变化，可以产生大量的娱乐节目和效果。第三是图片的搜索，基于人脸图像识别技术的搜索引擎将会具有广泛的应用前景。第四是协助调查。目前，在银行、金库发生抢劫事件已经屡见不鲜。发生这样的事件不是一时就能够制止的，但是可以通过人脸检测的设备来提取并记录罪犯的人脸，提供给公安机关以帮助破案。现在的人脸检测方法有很多，下面介绍几种：1

6、.基于肤色和模板的人脸检测方法该算法分为两个步骤构成：（1）基于肤色模型的区域分割，为了尽可能精确地分割出肤色区域，在HIS（hue-saturation-intensity）颜色空间，将亮度分量与两个色彩分量一起，根据统计建立了一个更精确地三维模型，在此基础上，根据同一图片中人脸颜色和非人体背景的色彩具有相对差异性以及具体图片中人脸的颜色具有一致性的事实，提出了基于区域颜色一致性标准的快速分割算法。（2）基于模板的检测，在分割出的肤色区域中，使用平均双眼和平均人脸模板匹配加人工神经网验证的方法，在一定尺度范围内进行穷举搜索，精确定位出人脸，其中为了减少错误警报，使用了双神经网仲

7、裁方法。算法以大量样本为统计数据，分别建立肤色模型、构造平均脸模板和训练人工神经网。但是该算法存在一些局限性，例如，没有考虑强侧光、眼镜被头发遮挡以及正面多角度、侧影等情况下的人脸检测。但是不难看出，通过放射变换生成多角度模板，该算法可以推广到正多角度人脸的检测，只是计算量将会增加很多[1]。2.基于连续Adaboost算法的多角度人脸检测该方法是指检测图像中覆盖一个较大视角范围的人脸表观模型，一般要超过30度范围。与正面人脸检测相比，多视角人脸检测的研究相对薄弱，难度也大得多。