1、歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例 人臉檢測起源于人臉識別，那什么是人臉識別? 人臉識別就是通過人的臉部特征辨識人的身份，與指紋、虹膜、掌紋、DNA等識別一樣，同屬生物識別的范疇。更廣義的定義還包括表情的識別，如哭、笑等 人臉識別從上世紀(jì)60年代開始起步，但真正開始商用是在“9.11事件”（2001年）之后；由于人臉識別的技術(shù)難度非常大，屬于人工智能范疇，現(xiàn)在仍然是熱門前沿學(xué)科。 早期的人臉識別算法都是在假設(shè)已經(jīng)得到了一個(gè)正面人臉或者假設(shè)人臉很容易獲得的前提下進(jìn)行的，但是隨著人臉分析應(yīng)用范圍的不斷擴(kuò)大和開發(fā)實(shí)際系統(tǒng)需求的不斷提高，這種假設(shè)下

2、的研究不再能滿足需求；人臉檢測開始作為獨(dú)立的研究內(nèi)容發(fā)展起來了。歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例 人臉檢測的定義：對于任意一幅給定的圖片，采用一定的策略對其進(jìn)行搜索以確定其中是否含有人臉，如果含有則返回人臉的位置、大小和姿態(tài)等信息。 人臉檢測率：在給定圖像中，檢測出來的人臉數(shù)和實(shí)際存在的人臉總數(shù)的比率。 錯(cuò)誤檢測數(shù)：非人臉區(qū)域被程序當(dāng)成是人臉檢測出來的數(shù)量。這個(gè)指標(biāo)非常重要，有些檢測算法甚至可以給出100%的成功檢測率，但是錯(cuò)誤檢測的數(shù)量也可能非常巨大。 一個(gè)理想化完美的人臉檢測算法，應(yīng)該有100%的人臉檢測率和0 錯(cuò)誤檢測數(shù)。但現(xiàn)階段也許只有人的大腦才有這個(gè)能力。 那人臉檢測存在

3、的難點(diǎn)是什么呢？1. 人臉具有不同臉形、膚色、表情；2. 人臉的遮擋，如眼鏡、頭發(fā)、飾物；3. 成像角度的不同，如側(cè)臉、旋轉(zhuǎn)；4. 成像條件的不同，如光照、陰影、焦距；歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例 人臉檢測的應(yīng)用領(lǐng)域： 最簡單的，數(shù)碼相機(jī)上的人臉定位； 視頻監(jiān)控，機(jī)場、海關(guān)等安防領(lǐng)域視頻監(jiān)控，機(jī)場、海關(guān)等安防領(lǐng)域； 基于內(nèi)容的圖像視頻檢索； 人工智能，機(jī)器人視覺；歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例 基于各種數(shù)學(xué)模型的人臉檢測方法有近百種，目前該領(lǐng)域還沒有國際標(biāo)準(zhǔn)來規(guī)范這些算法，各個(gè)公司都有自己獨(dú)特的算法，導(dǎo)致產(chǎn)品千差萬別，缺乏一個(gè)統(tǒng)一的衡量標(biāo)準(zhǔn)。MIT，CMU清華大學(xué)

4、，北京工業(yè)大學(xué)，中科院計(jì)算機(jī)所 一般可將人臉檢測的方法分為四類，當(dāng)然有些檢測算法并不能僅僅歸于某一類，而是幾類的組合。 基于知識的方法（Knowledge-based） 特征不變量方法（Feature invariant） 模板匹配的方法（Template matching） 基于外觀的方法（Appearance-based） 基于知識的方法：根據(jù)人們對人臉的先驗(yàn)知識或共識來制定一定的檢驗(yàn)規(guī)則，這些共識包括： 人臉是有輪廓的，近似一個(gè)橢圓； 人臉的五官分布是有規(guī)律的； 人臉具有一定的軸對稱性； 相對于背景，人臉是有動作的， 如眨眼、張嘴； 特征量不變方法：這個(gè)方法就是尋找人臉不因姿勢、視角、光

5、線等條件而變化的特征，膚色被證明就是這樣的一個(gè)有效特征，但是僅依靠膚色不夠準(zhǔn)確，一般依靠膚色來快速選出候選區(qū)域，再用其他方法從候選區(qū)域中找出人臉。 模板匹配的方法： 建立并存儲一些人臉模板作為標(biāo)準(zhǔn)模板，利用一些算法計(jì)算待測區(qū)域與標(biāo)準(zhǔn)模板之間的相似程度，根據(jù)相似度來判定某一區(qū)域是否為人臉。 基于外觀的方法：利用統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的技術(shù)來尋找人臉和非人臉圖像的有關(guān)特性。學(xué)習(xí)而來的特性總結(jié)成分布模型或者判別函數(shù)，再利用這些分布模型或者判別函數(shù)來檢測人臉。 學(xué)習(xí)理論，弱學(xué)習(xí)，強(qiáng)學(xué)習(xí) Boosting，Adaboost(1995 ，F(xiàn)reund 和 Schapire)歷史背景概念定義應(yīng)用領(lǐng)域檢測方法介紹一個(gè)實(shí)例一個(gè)非常簡單的實(shí)例：基于橢圓膚色模型的人臉檢測。 原理：人的膚色聚集在顏色空間中一個(gè)較小的區(qū)域內(nèi)。 優(yōu)點(diǎn)：快速，簡單 缺點(diǎn)：誤差較大 Step1：將原圖的色度值（Cb，Cr）代入橢圓公式，落在橢圓內(nèi)部的點(diǎn)替換成白色，否則用黑色替換，得到二值化的圖像； Step2：過濾離散點(diǎn)