论文网
计算机有关论文范文参考文献,与人脸检测算法综述相关论文怎么写
本论文是一篇计算机有关论文怎么写,关于人脸检测算法综述相关在职毕业论文范文。免费优秀的关于计算机及软件学报及计算机学报方面论文范文资料,适合计算机论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
摘 要
在计算机视觉领域中,人脸相关研究一直被广大研究人员关注.人脸相关课题包括人脸检测、人脸识别、人脸姿态估计、特征点提取等等.其中,人脸检测是其他人脸相关研究的前提,因此,找到鲁棒性强、效率高的人脸检测系统十分必要.本文从基于特征（feature-based）的方法和基于图像（image-based）的方法两个方面去阐述目前流行的人脸检测方法,分析各自的优缺点.最后,对人脸检测的发展趋势进行了讨论.
【关 键 词】人脸检测机器学习人工神经网络计算机视觉
1引言
人脸检测（facedetection）是指在输入图像中确定人脸的位置、大小等信息的过程.人脸检测作为人脸信息处理中的一项关键技术,近20年来开始成为模式识别和计算机视觉领域内的一项受到广泛关注、研究十分活跃的课题.
人脸检测研究最早可以追溯到上世纪60、70年代.当时的人脸检测主要是采用简单的启发式和人体测量技术.这类方法有很大的局限性,它对输入图像的质量要求较高,所以这类技术只能使用在证件照等情况下.到了上世纪90年代,随着视频技术、电子商务等等的兴起,人脸识别成为了最行之有效的身份辨别技术,大量的人脸识别产品逐年推出.而人脸检测作为人脸识别技术中的重要环节,也越来越受到研究人员的重视.一个效率高、鲁棒性强的人脸检测方法是保证人脸识别准确性的前提.
目前,国外对人脸检测问题研究的很多,比较著名的有麻省理工的媒体实验室和人工智能实验室、卡耐基梅隆大学的机器人研究所以及Illinois大学的Beckman研究所等；国内比较领先的有清华大学、北京工业大学、南京理工大学、上海交通大学、中科院计算技术研究所等.
虽然各种人脸检测方法被大量提出,但是仍然都有很大的改进空间.目前,人脸检测的面临的挑战主要有以下几点：（1）在实际采集的图片中,人脸往往是与很多附属物同时出现,例如眼镜、胡须等等；（2）人们的肤色、表情等等不同使得人脸具有模式可变性；（3）人脸的朝向会导致一些脸部特征产生形变,影响人脸判定精度；（4）光照不均匀导致的脸部色彩畸变.
2基于特征的人脸检测方法
基于特征的方法主要利用人脸图像中的明显特征判定人脸位置、大小,将人脸图像视为一个高维向量,从而将人脸检测问题转化为高维空间中分布信号的检测问题.
此类方法一般符合人类的直觉思维,比较容易理解,便于程序实现.除此之外,由于很多脸部特征之间具有相互独立性,此类方法可以比较容易的进行组合,提高检测准确率和稳定性.但是,此类方法也有显著的缺点.由于此类方法中很多的特征都是由研究人员本身通过观察总结获得,这就导致很多特征的普适性很差,很难适应自然情况下的各种情况.因此,此类方法的鲁棒性和稳定性一般不是很好.
2.1灰度分布特征
人脸的主要区域包括眼睛、鼻子、嘴巴等具有各自灰度分布特点的器官.灰度分布特征就是利用这种器官间灰度分布规律来判定人脸区域.
Yang等人在1994年提出了镶嵌图方法.镶嵌图（MosaicImage）就是将原始输入图像的分辨率有规则的降低后的到的低分辨率图像.将图像均匀划分成尺寸相同的矩形单元（又称细胞）,占据4×4个细胞的称为四分图,占据8×8个细胞的称为八分图.该方法是一个基于知识的三层检测系统,每一层对应不同分辨率的镶嵌图,系统框架如图1所示.
方法中第一层针对四分图,如图2a所示,根据如下简单规则寻找所有可能的人脸候选区域：
（1）面部中心有4个灰度基本相同的细胞；
（2）面部上部和外围的8个细胞有基本相同的灰度；
（3）中心部分和上部、外围部分平均灰度有较明显的差别.
在第二层针对八分图,根据如下较复杂的规则剔除第一层的候选人脸区域：
（1）眼区：本行中有两个灰度极小值,它们之间的距离d符合：2
（3）口区：在鼻区下方一个细胞单位处有一个垂直方向的灰度极小值,并且在水平方向有一个宽度为2-3个细胞长度的低灰度值区域.
第三层在人脸区域内采用改进的边缘检测算法进一步确定人眼、嘴等器官的位置.
卢春雨等对Yang等人的方法进行了改进,仅仅利用三分图（图2b）去判定人脸区域.三分图相对于四分图而言,可以更好的利用人脸器官分布规律,与人脸器官相匹配.
镶嵌图方法是一种相对简单的人脸检测方法.该方法相对于更久以前的方法而言,在复杂背景中有了较好的人脸检测率,但是对人脸附属物、光照不均等影响因素的鲁棒性很差.虽然镶嵌图方法对于自然采集图片并没有很好的检测率,但是其分级搜索思想在其他人脸检测方法中得到广泛应用.
2.2模板特征
人脸区域的灰度本身可以作为模板特征,基于模板匹配的方法可以有效的检测到图像中的人脸.模板匹配法是一种经典的模式识别方法,这种方法大多是用归一化互相关,在灰度图像的基础上直接比较目标模板和候选图像区域之间的相似性.
梁路宏等人提出了一种基于多关联模板匹配的人脸检测方法,其中用到两种模板：双眼模板和不同长宽比的人脸模板.在检测时首先使用双眼模板进行粗筛选,然后利用不同长宽比的人脸模板确定出人脸区域的位置和范围,最后利用人脸器官的边缘特征进行确认.为了解决图像中不同尺度人脸的检测问题,采用了按照固定比率逐步缩小输入图像的方法进行多个尺度上的搜索.
2.3颜色特征
随着计算机的发展,彩色图像的普及和应用开始为人脸检测提供了新的途径.虽然人脸肤色在自然情况下区别很大,但是采集不同性别、不同年龄、不同肤色的人脸图像在颜色空间的分布情况,发现肤色的规律主要体现在亮度上而不是色彩上.通过颜色的亮度归一化,不同人之间的肤色差异能明显的减弱.而且肤色不依赖于具体的面部器官特征,对于不同表情和姿态下的人脸都适用,具有相对的稳定性并且和大多数背景物体的颜色相区别.因此肤色特征开始成为人脸检测中的一种常用特征.Terrillon等考察了归一化的r-g、CIE-xy、TSL、CIE-DSH、HSV、YIQ等等9种色度空间,比较了高斯模型和混合高斯模型在不同色度空间中的性能,发现混合高斯模型才能在一般情况下较好的描述肤色区域分布.
Jones等研究了RGB空间中肤色与非肤色像素的分布,为近2万幅图片建立了三维直方图,发现直方图模型的性能略好于混合高斯模型.
在实际应用时,肤色特征一般不会作为人脸检测系统的唯一依赖特征,原因如下：
（1）人体其他部分也会有着和脸部相同的肤色特征.比如在某些皮肤暴露较多的图像（男性赤膊等）中,鲁棒性很差.
（2）某些特定的场景中,背景拥有和皮肤相似的模型分布.
鉴于以上原因,肤色特征一般作为其他人脸检测方法的补充.
3基于图像的人脸检测方法
由于人脸图像的复杂性,单纯的依靠人类自身归纳人脸特征十分困难.因此,基于图像的人脸检测方法开始越来越受到重视.此类方法的主要思想是把人脸检测问题视为一个广义的模式识别问题,通过学习的方式让计算机去总结人脸特征.
根据
计算机有关论文范文参考文献,与人脸检测算法综述相关论文怎么写参考文献资料：