Face-detection.zip_图形图象下载-pudn.com

<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta charset="utf-8"> <meta name="generator" content="pdf2htmlEX"> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <link rel="stylesheet" href="https://static.pudn.com/base/css/base.min.css"> <link rel="stylesheet" href="https://static.pudn.com/base/css/fancy.min.css"> <link rel="stylesheet" href="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/raw.css"> <script src="https://static.pudn.com/base/js/compatibility.min.js"></script> <script src="https://static.pudn.com/base/js/pdf2htmlEX.min.js"></script> <script> try{ pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({}); }catch(e){} </script> <title></title> </head> <body> <div id="sidebar" style="display: none"> <div id="outline"> </div> </div> <div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/bg1.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x1 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0"> 智能系统设计课程报告</div><div class="t m0 x2 h4 y3 ff2 fs2 fc0 sc1 ls0 ws0">学</div><div class="t m0 x3 h4 y4 ff2 fs2 fc0 sc1 ls0 ws0">院 计算机科学 </div><div class="t m0 x3 h4 y5 ff2 fs2 fc0 sc0 ls0 ws0">与技术 </div><div class="t m0 x2 h4 y6 ff2 fs2 fc0 sc1 ls0 ws0">专 业 计算机科学与技术 </div><div class="t m0 x2 h4 y7 ff2 fs2 fc0 sc1 ls0 ws0">年 级 本科 2011 级 </div><div class="t m0 x2 h4 y8 ff2 fs2 fc0 sc1 ls0 ws0">姓 名 刘连东 </div><div class="t m0 x2 h4 y9 ff2 fs2 fc0 sc1 ls0 ws0">学 号 30112160 42 </div><div class="t m0 x4 h4 ya ff1 fs2 fc0 sc0 ls0 ws0">2014 年 12 月 17 日</div><div class="t m0 x3 h5 yb ff2 fs3 fc0 sc0 ls0 ws0">一.课题背景及目的</div><div class="t m0 x3 h6 yc ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h5 yd ff5 fs3 fc0 sc0 ls0 ws0"> 目前，人脸检测定位和跟踪已经成为计算机视觉与模式识别领域非常活跃的</div><div class="t m0 x3 h5 ye ff2 fs3 fc0 sc0 ls0 ws0">研究课题之一，在身份验证、信息安全、电子商务、基于内容的图像与视频检</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div> </body> </html>

<div id="pf2" class="pf w0 h0" data-page-no="2"><div class="pc pc2 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/bg2.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x3 h5 yf ff2 fs3 fc0 sc0 ls0 ws0">索、视频监控、智能人机交互、可视通信、虚拟现实、公安档案管理等很多方</div><div class="t m0 x3 h5 y10 ff2 fs3 fc0 sc0 ls0 ws0">面都有着重要的应用价值。</div><div class="t m0 x3 h5 y11 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸检测是人脸识别的首要环节，目的就是将人脸从图像背景中检测出来，是人脸</div><div class="t m0 x3 h5 y12 ff2 fs3 fc0 sc0 ls0 ws0">识别、视频跟踪及人脸图像压缩等应用中的重要环节。由于受图像背景、亮度变化</div><div class="t m0 x3 h5 y13 ff2 fs3 fc0 sc0 ls0 ws0">及人的头部姿势等因素的影响，使得人脸检测成为一项复杂的、具有挑战性的</div><div class="t m0 x3 h5 y14 ff2 fs3 fc0 sc0 ls0 ws0">研究课题。</div><div class="t m0 x3 h5 y15 ff4 fs3 fc0 sc0 ls0 ws0"> 基于 Adaboost 的人脸检测算法之后，发现虽然它具有具有很强的实时性，但</div><div class="t m0 x3 h5 y16 ff2 fs3 fc0 sc0 ls0 ws0">当采样照片的背景色彩较为复杂或者光照较强时，该方法容易在周围环境景物中识</div><div class="t m0 x3 h5 y17 ff2 fs3 fc0 sc0 ls0 ws0">别到错误的”人脸”，人脸检测率，错检率等指标不是很理想。</div><div class="t m0 x3 h5 y18 ff4 fs3 fc0 sc0 ls0 ws0"> 近年来，随着计算机技术的迅猛发展和安全入口控制、信息安全、金融 a 贸易、</div><div class="t m0 x3 h5 y19 ff2 fs3 fc0 sc0 ls0 ws0">电子商务等方面应用需求的快速增长，生物识别技术渐渐得到广泛的重视。人</div><div class="t m0 x3 h5 y1a ff2 fs3 fc0 sc0 ls0 ws0">脸识别技术由于其具有的非接触型认证、直接、友好、方便等特点得到广泛的</div><div class="t m0 x3 h5 y1b ff2 fs3 fc0 sc0 ls0 ws0">研究和开发，成为近 30 年模式识别和计算机视觉领域最有潜力的生物身份验证</div><div class="t m0 x3 h5 y1c ff2 fs3 fc0 sc0 ls0 ws0">手段和最热门的研究课题之一。</div><div class="t m0 x3 h5 y1d ff1 fs3 fc0 sc0 ls0 ws0"> 人脸检测是人脸识别研究中重要的第一步，目的就是从图像中分割出不包括背</div><div class="t m0 x3 h5 y1e ff2 fs3 fc0 sc0 ls0 ws0">景的人脸区域。但是由于早期的人脸识别研究主要针对具有较强约束条件的人</div><div class="t m0 x3 h5 y1f ff2 fs3 fc0 sc0 ls0 ws0">脸图像(如无背景图像)，往往假设人脸位置已知或者容易获得，因而人脸检测</div><div class="t m0 x3 h7 y20 ff6 fs3 fc0 sc0 ls0 ws0">问题并未受到重视。近几年，随着电子商务等应用的不断发展，人脸检测开始</div><div class="t m0 x3 h7 y21 ff6 fs3 fc0 sc0 ls0 ws0">作为独立的课题受到研究者的重视。今天，人脸检测的研究已经远远超过了人</div><div class="t m0 x3 h7 y22 ff2 fs3 fc0 sc0 ls0 ws0">脸识别系统的范畴，在身份验证、基于内容的图像检索、视点监测等方面都有</div><div class="t m0 x3 h5 y23 ff2 fs3 fc0 sc0 ls0 ws0">着重要的应用价值。</div><div class="t m0 x3 h7 y24 ff1 fs3 fc0 sc0 ls0 ws0"> 对人脸检测技术的研究，已经经历了由简单到复杂，由静态图像检测到视频流</div><div class="t m0 x3 h7 y25 ff2 fs3 fc0 sc0 ls0 ws0">实时检测的发展，目前正在向三维人脸检测的方向发展，特别是 Viola 等人于</div><div class="t m0 x3 h7 y26 ff1 fs3 fc0 sc0 ls0 ws0">2001 年提出的基于积分图像的 AdaBoost 算法，是第一个实时的人脸检测算法，</div><div class="t m0 x3 h7 y27 ff2 fs3 fc0 sc0 ls0 ws0">从根本上解决了检测速度的问题，成为目前最为流行、检测效率最高的一种算</div><div class="t m0 x3 h5 y28 ff2 fs3 fc0 sc0 ls0 ws0">法。</div><div class="t m0 x3 h7 y29 ff1 fs3 fc0 sc0 ls0 ws0"> 目前对人脸检测的研究不仅实现了对静态图像进行单个、多个人脸的检测，而</div><div class="t m0 x3 h7 y2a ff6 fs3 fc0 sc0 ls0 ws0">且能够对动态视频图像的人脸进行检测和跟踪。但对动态人脸的检测还处于初</div><div class="t m0 x3 h7 y2b ff2 fs3 fc0 sc0 ls0 ws0">级阶段，还有很多问题有待解决。目前对于人脸检测技术的研究距实际应用还</div><div class="t m0 x3 h7 y2c ff2 fs3 fc0 sc0 ls0 ws0">有一定的距离，性能和检测准确率还有待提高；因而，在今后的社会发展和研</div><div class="t m0 x3 h7 y2d ff2 fs3 fc0 sc0 ls0 ws0">究领域中，人脸检测与跟踪的研究不仅具有重要的理论意义，而且具有十分重</div><div class="t m0 x3 h7 y2e ff2 fs3 fc0 sc0 ls0 ws0">要的应用价值。人脸检测研究具有重要的学术价值和很大的挑战性，其研究的</div><div class="t m0 x3 h7 y2f ff6 fs3 fc0 sc0 ls0 ws0">难点主要在于：</div><div class="t m0 x3 h7 y30 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸是一类高度非刚性的目标；</div><div class="t m0 x3 h7 y31 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸由于相貌、表情、肤色等差异，具有模式可变性；</div><div class="t m0 x3 h7 y32 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸上可能存在一些附属物，如眼镜、胡须等；</div><div class="t m0 x3 h7 y33 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸姿态千变万化，而且可能受光照、遮挡物等的影响；</div><div class="t m0 x3 h7 y34 ff4 fs3 fc0 sc0 ls0 ws0"> 待检测图像的性质差异，如分辨率等。</div><div class="t m0 x3 h7 y35 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸检测的过程涉及从复杂的背景中分割、提取人脸区域和可能用到的人脸器</div><div class="t m0 x3 h7 y36 ff6 fs3 fc0 sc0 ls0 ws0">官特征。一个成功的人脸检测系统应该能够很好地处理光线、噪声、遮挡等不</div><div class="t m0 x3 h7 yc ff2 fs3 fc0 sc0 ls0 ws0">可预测因素的影响。因此，如果能够找到解决上述问题的方法，成功构造人脸</div><div class="t m0 x3 h7 y37 ff2 fs3 fc0 sc0 ls0 ws0">检测和跟踪系统，将为解决其它类似的复杂模式检测问题提供重要的启示。</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>

<div id="pf3" class="pf w0 h0" data-page-no="3"><div class="pc pc3 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/bg3.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x3 h7 yf ff4 fs3 fc0 sc0 ls0 ws0"> 人脸检测问题最初来源于人脸识别，一个完整的人脸识别应用系统应该包括</div><div class="t m0 x3 h7 y10 ff2 fs3 fc0 sc0 ls0 ws0">人脸检测、特征提取和识别三大基本过程。早期人脸识别研究主要针对具有较</div><div class="t m0 x3 h7 y11 ff2 fs3 fc0 sc0 ls0 ws0">强约束条件的人脸图像，即简单人脸检测，因此人脸检测问题并未受到重视。</div><div class="t m0 x3 h7 y12 ff4 fs3 fc0 sc0 ls0 ws0"> 近年来，随着社会的发展和视觉监控、远程教育和智能人机交互等方面应用需</div><div class="t m0 x3 h7 y13 ff2 fs3 fc0 sc0 ls0 ws0">求的急速增长，人脸识别以其非侵犯性、直接、友好和方面的优势成为最有潜力的、使用</div><div class="t m0 x3 h7 y14 ff2 fs3 fc0 sc0 ls0 ws0">最广泛的生物统计识别手段，这种应用背景要求人脸识别系统能够适应通用人</div><div class="t m0 x3 h7 y15 ff2 fs3 fc0 sc0 ls0 ws0">脸检测范畴的应用，由此所面临的一系列问题引起了众多研究者对人脸检测各</div><div class="t m0 x3 h7 y16 ff6 fs3 fc0 sc0 ls0 ws0">个方面研究的极大兴趣，人脸检测渐渐独立于人脸识别成为一个专门的研究方</div><div class="t m0 x3 h7 y17 ff6 fs3 fc0 sc0 ls0 ws0">向。今天，人脸检测的研究背景已经远远超出了人脸识别，在身份验证、人机交互、虚</div><div class="t m0 x3 h5 y18 ff2 fs3 fc0 sc0 ls0 ws0">拟现实、图像检索等方面都有着广泛的应用。</div><div class="t m0 x3 h7 y38 ff6 fs3 fc0 sc1 ls0 ws0">二.发展历史</div><div class="t m0 x3 h6 y39 ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y3a ff4 fs3 fc0 sc0 ls0 ws0"> 人脸检测问题最初来源于人脸识别，对人脸识别的研究可以追溯到上个世纪六、</div><div class="t m0 x3 h7 y3b ff6 fs3 fc0 sc0 ls0 ws0">七十年代，经过几十年的发展已日趋成熟。早期的人脸识别研究主要针对有约</div><div class="t m0 x3 h7 y3c ff2 fs3 fc0 sc0 ls0 ws0">束条件的人脸图像，而且假设人脸的位置固定或容易获得。因此人脸检测问题</div><div class="t m0 x3 h7 y3d ff6 fs3 fc0 sc0 ls0 ws0">并没有得到重视。近年来，随着电子商务和人们安全意识的提高，对人脸识别</div><div class="t m0 x3 h7 y3e ff2 fs3 fc0 sc0 ls0 ws0">系统的各种应用需求要求识别系统能够对一般环境具有一定的适应能力，由此</div><div class="t m0 x3 h7 y3f ff6 fs3 fc0 sc0 ls0 ws0">吸引了很多研究者对各方面检测技术的研究，并逐渐形成一个独立的研究方向。</div><div class="t m0 x3 h7 y40 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸识别的研究已经有相当长的历史，大致可以分为四个阶段：</div><div class="t m0 x3 h7 y41 ff4 fs3 fc0 sc0 ls0 ws0"> 1．第一阶段：人类最早的研究至少可追朔到 20 世纪 50 年代在心理学方面的研</div><div class="t m0 x3 h7 y42 ff2 fs3 fc0 sc0 ls0 ws0">究和六十年代在工程学方面的研究：J. S. Bruner 于 1954 年写下了关于心理学的</div><div class="t m0 x3 h5 y43 ff1 fs3 fc0 sc0 ls0 ws0">The perception of people，</div><div class="t m0 x3 h5 y44 ff4 fs3 fc0 sc0 ls0 ws0"> Bledsoe 在</div><div class="t m0 x3 h7 y45 ff4 fs3 fc0 sc0 ls0 ws0"> 1964 年就工程学写了 Facial Recognition Project Report，国外有许多学校在研究</div><div class="t m0 x3 h7 y46 ff2 fs3 fc0 sc0 ls0 ws0">人脸识别技术，其中有从感知和心理学角度探索人类识别人脸机理的，如美国</div><div class="t m0 x3 h7 y47 ff1 fs3 fc0 sc0 ls0 ws0">Texas At Dallas 大学的 Abdi 和 Tool 小组，由 Stirling 大学的 Bruce 教授和</div><div class="t m0 x3 h7 y48 ff1 fs3 fc0 sc0 ls0 ws0">Glasgow 大学的</div><div class="t m0 x3 h7 y49 ff4 fs3 fc0 sc0 ls0 ws0"> Burton 教授合作领导的小组等；也有从视觉机理角度进行研究的，如英国的 Graw</div><div class="t m0 x3 h7 y4a ff6 fs3 fc0 sc0 ls0 ws0">小组和荷兰 Groningen 大学的 Petkov 小组等。</div><div class="t m0 x3 h7 y4b ff4 fs3 fc0 sc0 ls0 ws0"> 2．第二阶段：始于 20 世纪 70 年代的关于人脸的机器识别研究：以 Allen 和</div><div class="t m0 x3 h7 y4c ff1 fs3 fc0 sc0 ls0 ws0">Parke 为代表，主要研究人脸识别所需的面部特征。研究者采用计算机实现了</div><div class="t m0 x3 h7 y4d ff2 fs3 fc0 sc0 ls0 ws0">较高质量的人脸灰度图模型。这一阶段工作的特点是识别过程完全依赖于操作</div><div class="t m0 x3 h7 y4e ff2 fs3 fc0 sc0 ls0 ws0">人员，不能完成自动识别。</div><div class="t m0 x3 h6 y4f ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y50 ff4 fs3 fc0 sc0 ls0 ws0"> 3． 第 三 阶 段 ： 人 机 交 互 识 别 阶 段 ： Harmon 和 Lesk 用几 何 特征 参 数来 表</div><div class="t m0 x3 h7 y51 ff6 fs3 fc0 sc0 ls0 ws0">示人 脸正面图像。他们采用多维特征矢量表示人脸面部特征，并设计了基于这</div><div class="t m0 x3 h7 y52 ff2 fs3 fc0 sc0 ls0 ws0">一特征表示法的识别系统。Kaya 和</div><div class="t m0 x3 h7 y53 ff4 fs3 fc0 sc0 ls0 ws0"> Kobayashi 则采用了统计识别方法，用欧氏距离来表示人脸特征。但这类方法</div><div class="t m0 x3 h7 y54 ff2 fs3 fc0 sc0 ls0 ws0">需要来自操作员的先验知识，仍摆脱不了人的干预。</div><div class="t m0 x3 h7 y55 ff4 fs3 fc0 sc0 ls0 ws0"> 4．第四阶段：20 世纪 90 年代以来，随着高性能计算机的出现，人脸识别方法有</div><div class="t m0 x3 h7 y56 ff6 fs3 fc0 sc0 ls0 ws0">了重大突破，对于人脸识别的研究进入了真正的机器自动识别阶段。</div><div class="t m0 x3 h6 y57 ff4 fs3 fc0 sc0 ls0 ws0"> </div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>

<div id="pf4" class="pf w0 h0" data-page-no="4"><div class="pc pc4 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/bg4.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x3 h6 y58 ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h6 y59 ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y5a ff4 fs3 fc0 sc0 ls0 ws0"> 三．研究意义</div><div class="t m0 x3 h6 y5b ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y5c ff4 fs3 fc0 sc0 ls0 ws0"> 人脸检测作为人脸识别的第一步，目的就是将人脸从图像背景中分割出来。虽</div><div class="t m0 x3 h7 y5d ff2 fs3 fc0 sc0 ls0 ws0">然近年来人脸方面的研究取得了一些可喜的成果，但现有的人脸研究算法对人</div><div class="t m0 x3 h7 y5e ff2 fs3 fc0 sc0 ls0 ws0">脸位置和状态都有一定的要求，通常要求事先己经知道人脸所处的位置、人脸</div><div class="t m0 x3 h7 y5f ff6 fs3 fc0 sc0 ls0 ws0">大小，并且对人脸的旋转角度、亮度和对比度也有较严格的要求，因而具有一</div><div class="t m0 x3 h7 y60 ff2 fs3 fc0 sc0 ls0 ws0">定的局限性。实际中，图像和视频中人脸的位置、朝向和旋转角度都不是固定的，而且</div><div class="t m0 x3 h7 y61 ff2 fs3 fc0 sc0 ls0 ws0">图像背景，光照等条件也是变化的，这就需要首先进行人脸检测，得到人脸位置</div><div class="t m0 x3 h7 y62 ff6 fs3 fc0 sc0 ls0 ws0">并分离背景，对视频图像则需跟踪数帧中的人脸状态，从中选出适合处理算法</div><div class="t m0 x3 h7 y63 ff2 fs3 fc0 sc0 ls0 ws0">的人脸图像。人脸检测系统的构造将为解决人脸识别、表情分析、性别、种族、年龄</div><div class="t m0 x3 h7 y64 ff6 fs3 fc0 sc0 ls0 ws0">判别等类似的复杂模式奠定良好的基础，同时也为这些问题的解决提供重要的启</div><div class="t m0 x3 h7 y65 ff6 fs3 fc0 sc0 ls0 ws0">示。因此，人脸检测与识别课题具有十分重要的理论和应用研究价值。</div><div class="t m0 x3 h7 y66 ff4 fs3 fc0 sc0 ls0 ws0"> 扑结构，处理单元是人类大脑神经单元的简化，结构上更类似于人脑，是一</div><div class="t m0 x3 h7 y67 ff6 fs3 fc0 sc0 ls0 ws0">种更接近人智能的信息处理方式。人工神经网络是一个非线性动力学系统，在</div><div class="t m0 x3 h7 y68 ff6 fs3 fc0 sc0 ls0 ws0">解决问题的自适应 性 和 鲁 棒 性 方 面 表 现 出 极 好 的 特 性 ， 其 特 色 在 于 信</div><div class="t m0 x3 h7 y69 ff2 fs3 fc0 sc0 ls0 ws0">息 的 分 布 式 存 储 的 并 行 协 同 处 理，具有非线性特性、良好的容错能力、联</div><div class="t m0 x3 h7 y6a ff2 fs3 fc0 sc0 ls0 ws0">想记忆功能以及通过学习获取知识并解决问题的能力，用以解决复杂模式识别</div><div class="t m0 x3 h7 y6b ff2 fs3 fc0 sc0 ls0 ws0">与行为控制问题。</div><div class="t m0 x3 h7 y6c ff4 fs3 fc0 sc0 ls0 ws0"> 基于神经网络的人脸识别方法是最近几年比较活跃的一个研究方向，已被应用</div><div class="t m0 x3 h7 y6d ff2 fs3 fc0 sc0 ls0 ws0">于人 脸 检 测 、 正 面 人 脸 识 别 、 表 情 分 析 等 问 题 ， 并 取 得 了 较 好 的 效 果。</div><div class="t m0 x3 h7 y6e ff1 fs3 fc0 sc0 ls0 ws0">MIT(麻省 理 工 大学)的学者首先对样本集合中的人脸样本集和非人脸样本</div><div class="t m0 x3 h7 y6f ff6 fs3 fc0 sc0 ls0 ws0">集进行类聚，以测试样本与人脸样本集和非人脸样本集的子类之间的距离作</div><div class="t m0 x3 h7 y70 ff2 fs3 fc0 sc0 ls0 ws0">为识别特征向量，利用多层感知网络作为分类器。CMU 的研究人员则直接以图</div><div class="t m0 x3 h7 y71 ff2 fs3 fc0 sc0 ls0 ws0">像作为神经网络的输入，设计了一个具有独特结构的适用于人脸特征的神经网</div><div class="t m0 x3 h7 y72 ff6 fs3 fc0 sc0 ls0 ws0">络分类器，并且通过前馈神经网络对人脸检测结果进行了优化。</div><div class="t m0 x3 h7 y73 ff4 fs3 fc0 sc0 ls0 ws0"> 基于神经网络的人脸识别方法要求训练集中包含较多的人脸的数目，只能适合</div><div class="t m0 x3 h7 y74 ff2 fs3 fc0 sc0 ls0 ws0">于小型人脸库。另外，由于原始灰度图像数据量庞大，神经网络的神经元数目</div><div class="t m0 x3 h7 y75 ff2 fs3 fc0 sc0 ls0 ws0">通常很大，因此该方法仍然存在运算量大、训练时间长、过程较复杂、收敛速</div><div class="t m0 x3 h7 y76 ff2 fs3 fc0 sc0 ls0 ws0">度慢以及容易陷入局部最小等问题，成为制约其在人脸识别中更加广泛应用的</div><div class="t m0 x3 h5 y77 ff2 fs3 fc0 sc0 ls0 ws0">主要因素。</div><div class="t m0 x3 h7 y78 ff2 fs3 fc0 sc0 ls0 ws0">由于人脸检测有着相当广泛的应用和研究价值，因此，许多国家很早就展开了</div><div class="t m0 x3 h7 y79 ff6 fs3 fc0 sc0 ls0 ws0">相关方面的研究。主要有美国、欧洲国家、日本、韩国等科技发达的国家。</div><div class="t m0 x3 h7 y7a ff2 fs3 fc0 sc0 ls0 ws0">早在 1993 年，美国国防部高级研究项目组(ARPA)和美国陆军研究实验室(ARL)成</div><div class="t m0 x3 h7 y7b ff6 fs3 fc0 sc0 ls0 ws0">立了 Feret(Face Recognition Technology)项目组，建立了 Feret 人脸数据库，广泛应</div><div class="t m0 x3 h8 y7c ff2 fs3 fc0 sc0 ls0 ws0">用于评价人脸检测算法的性能。</div><div class="t m0 x3 h7 y7d ff4 fs3 fc0 sc0 ls0 ws0"> 目前，国外对人脸检测问题的研究层出不穷，英国、美国等许多国家都有大量</div><div class="t m0 x3 h7 y7e ff2 fs3 fc0 sc0 ls0 ws0">的研究小组从事人脸检测方面的研究，这些研究受到了军方、警方以及一些身</div><div class="t m0 x3 h7 y7f ff2 fs3 fc0 sc0 ls0 ws0">份验证等公司的高度重视和支持。著名的研究机构有美国麻省理工大学(MIT)的</div><div class="t m0 x3 h7 y80 ff1 fs3 fc0 sc0 ls0 ws0">Media lab、AI lab，卡内基梅隆大学(CMU)的 Human-Computer Interface </div><div class="t m0 x3 h7 y81 ff1 fs3 fc0 sc0 ls0 ws0">Institute，Microsoft Research，英国的 Department of Engineering in University of </div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>

<div id="pf5" class="pf w0 h0" data-page-no="5"><div class="pc pc5 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/6282d7559b6e2b6d55c80540/bg5.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x3 h7 yf ff1 fs3 fc0 sc0 ls0 ws0">Cambridge，法国的 INRIA 研究院 。关于人脸检测的学术交流活动也相当活跃。</div><div class="t m0 x3 h7 y10 ff2 fs3 fc0 sc0 ls0 ws0">在一些重要的国际会 议上，如国际计算机视觉会议(ICCV)、 计算机视觉与</div><div class="t m0 x3 h7 y11 ff2 fs3 fc0 sc0 ls0 ws0">模式会议(CVPR)、计算机图形学大会(Siggraph)都设有人脸检测的专题。</div><div class="t m0 x3 h7 y12 ff4 fs3 fc0 sc0 ls0 ws0"> 1.4.2 国内研究现状</div><div class="t m0 x3 h7 y13 ff1 fs3 fc0 sc0 ls0 ws0"> 人脸检测技术在机关单位考勤、网络安全、物业管理等领域起着越来越重要</div><div class="t m0 x3 h7 y14 ff2 fs3 fc0 sc0 ls0 ws0">的作用，我国对人脸检测的研究起步于 20 世纪 80 年代，主要的研究单位有清</div><div class="t m0 x3 h7 y15 ff7 fs3 fc0 sc0 ls0 ws0">华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学</div><div class="t m0 x3 h7 y16 ff2 fs3 fc0 sc0 ls0 ws0">等，并都取得了一定的成果。研究方法主要集中在几何特征、代数特征、神经</div><div class="t m0 x3 h7 y17 ff6 fs3 fc0 sc0 ls0 ws0">网络和模板匹配等方面，特别是对神经网络的研究比重较大。</div><div class="t m0 x3 h7 y18 ff4 fs3 fc0 sc0 ls0 ws0"> 在此基础上，基于多分类器的人脸检测受到的关注较大，研究成果也较多。特别在</div><div class="t m0 x3 h7 y19 ff6 fs3 fc0 sc0 ls0 ws0">引入三维特征后，利用二维信息和三维信息的融合进行人脸检测成为了另一个</div><div class="t m0 x3 h7 y1a ff2 fs3 fc0 sc0 ls0 ws0">亮点和热点。中国科学院计算所的国家 863 项目“面像检测与识别核心技术”通</div><div class="t m0 x3 h7 y1b ff6 fs3 fc0 sc0 ls0 ws0">过成果鉴定并得以初步应用，标志着我国在人脸检测这一当今热点科研领域得</div><div class="t m0 x3 h7 y1c ff2 fs3 fc0 sc0 ls0 ws0">到了飞跃的进步，并掌握了一定的核心技术[3]。2005 年 1 月 18 日，由清华</div><div class="t m0 x3 h7 y1d ff6 fs3 fc0 sc0 ls0 ws0">大学电子系苏光大教授主持承担的国家“十五”攻关项目《人脸识别系统》通过了</div><div class="t m0 x3 h7 y1e ff2 fs3 fc0 sc0 ls0 ws0">由公安部主持的专家鉴定，鉴定委员会认定该项技术达到了国内领先水平和国</div><div class="t m0 x3 h7 y1f ff6 fs3 fc0 sc0 ls0 ws0">际先进水平。</div><div class="t m0 x3 h7 y20 ff4 fs3 fc0 sc0 ls0 ws0"> 虽然国内的研究取得了突飞猛进的进展，但对人脸检测和识别的研究仍处于初</div><div class="t m0 x3 h7 y21 ff2 fs3 fc0 sc0 ls0 ws0">级阶段，研究方向比较狭隘，与国际研究水平仍存在一定的差距。</div><div class="t m0 x3 h7 y42 ff6 fs3 fc0 sc0 ls0 ws0">四．人脸检测算法综述.</div><div class="t m0 x3 h7 y82 ff1 fs3 fc0 sc0 ls0 ws0">1 基于几何特征的方法</div><div class="t m0 x3 h6 y83 ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y84 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸的几何特征指的是人脸面部器官在几何上体现的特征阁。</div><div class="t m0 x3 h7 y85 ff4 fs3 fc0 sc0 ls0 ws0"> 基 于 几 何 特 征 的 人 脸 检 测 方 法 的 思 想 是 把 典 型 人 脸 的 几 何 特 征 编</div><div class="t m0 x3 h7 y86 ff7 fs3 fc0 sc0 ls0 ws0">码 并 规 则 化 的 人脸检测方法。它通过检测不同的人脸面部特征的位置，然后</div><div class="t m0 x3 h7 y87 ff6 fs3 fc0 sc0 ls0 ws0">根据它们的空间几何关系来定位人脸，当图像中的待测区域符合准则，即被检</div><div class="t m0 x3 h5 y88 ff2 fs3 fc0 sc0 ls0 ws0">测为人脸。</div><div class="t m0 x3 h7 y89 ff4 fs3 fc0 sc0 ls0 ws0"> 2 基于器官特征的方法</div><div class="t m0 x3 h6 y8a ff4 fs3 fc0 sc0 ls0 ws0"> </div><div class="t m0 x3 h7 y8b ff4 fs3 fc0 sc0 ls0 ws0"> 正如世界上没有两片完全相同的叶子一样，人脸也各不相同，但是器官也遵循</div><div class="t m0 x3 h7 y8c ff2 fs3 fc0 sc0 ls0 ws0">着一些普遍适用的规则，即五官形状及其分布的几何规则。检测图像中是否存</div><div class="t m0 x3 h7 y8d ff2 fs3 fc0 sc0 ls0 ws0">在人脸，即是否存在满足这些规则的图像块。</div><div class="t m0 x3 h7 y8e ff4 fs3 fc0 sc0 ls0 ws0"> 这种方法的步骤一般是先对人脸的器官或器官的组合建立模板，然后检测图像</div><div class="t m0 x3 h7 y8f ff2 fs3 fc0 sc0 ls0 ws0">中几个器官可能分布的位置，对这些位置点分别进行组合，用器官分布规则进</div><div class="t m0 x3 h7 y90 ff6 fs3 fc0 sc0 ls0 ws0">行筛选，从而找到可能存在的人脸。</div><div class="t m0 x3 h7 y91 ff4 fs3 fc0 sc0 ls0 ws0"> 2.1.2 基于轮廓特征的方法</div><div class="t m0 x3 h7 y92 ff4 fs3 fc0 sc0 ls0 ws0"> 人脸的轮廓可以近似地被看成一个椭圆形状，所以对图像进行人脸检测可以通</div><div class="t m0 x3 h7 y93 ff6 fs3 fc0 sc0 ls0 ws0">过检测椭圆轮廓来确定是否有人脸存在。具体来说，首先对待检测的图像进行</div><div class="t m0 x3 h7 y94 ff7 fs3 fc0 sc0 ls0 ws0">边缘检测，并对细化后的边缘提取曲线特征，然后计算各曲线合成人脸的评估</div><div class="t m0 x3 h7 y95 ff7 fs3 fc0 sc0 ls0 ws0">函数来确定是否存在人脸。采用轮廓特征的方法对侧脸的检测同样适用。</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div>