人脸检测研究综述1-清华大学.pdf

人脸检测研究综述1 梁路宏 艾海舟 徐光佑 张钹 （清华大学计算机系，智能技术与系统国家重点实验室，北京 100084 ） 摘要：人脸检测问题最初作为自动人脸识别系统的定位环节被提出，近年来由于其在安全访 问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值，开始作为一个独 立的课题受到研究者的普遍重视。本文从人脸检测问题的分类，人脸模式的分析、特征提取 与特征综合，性能评价等角度，系统地整理分析了人脸检测问题的研究文献，将人脸检测方 法主要划分为基于知识的人脸验证方法和基于统计的学习方法，指出统计学习方法优于启发 式验证方法。 关键词：人脸检测、人脸识别、模式识别、计算机视觉 中图分类号：TP391.4 1. 引言 人脸检测 （Face Detection ）是指在输入图象中确定所有人脸 （如果存在）的位置、大小、 位姿的过程。人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机 视觉领域内一项受到普遍重视、研究十分活跃的课题。 人脸检测问题最初来源于人脸识别（Face Recognition ）。人脸识别的研究可以追溯到上 个世纪六、七十年代，经过几十年的曲折发展已日趋成熟[1] [2] 。人脸检测是自动人脸识别 系统中的一个关键环节，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象 （如无背景的图象），往往假设人脸位置已知或很容易获得，因此人脸检测问题并未受到重 视。近几年随着电子商务等应用的发展，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象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 背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等 方面有着重要的应用价值。 人脸检测研究具有重要的学术价值。人脸是一类具有相当复杂的细节变化的自然结构目 标，此类目标的检测问题的挑战性在于[3]：（1）人脸由于外貌、表情、肤色等不同，具有 模式的可变性；（2 ）一般意义下的人脸上，可能存在眼镜、胡须等附属物；（3 ）作为三维物 体的人脸的影像不可避免地受由光照产生的阴影的影响。因此，如果能够找到解决这些问题 的方法，成功构造出人脸检测与跟踪系统，将为解决其它类似的复杂模式检测问题提供重要 的启示。 目前，国外对人脸检测问题的研究很多，比较著名的有MIT ，CMU 等；国内的清华大 学[4-8]、北京工业大学[9][10]、中科院计算所[11]和自动化所 [12]等都有人员从事人脸检测 相关的研究。而且，MPEG7 标准组织已经建立了人脸识别草案小组，人脸检测算法也是一 项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如 IEEE 的 FG(IEEE International Conference on Automatic Face and Gesture Recognition) 、 ICIP(International Conference on Image Processing) 、CVPR(Conference on Computer Vision and Pattern Recognition)等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究 论文的近 1/3 之多。有关人脸检测的内容在人脸识别研究的综述中有所涉及[1] [2]，但仅仅 侧重于人脸识别系统的输入环节，目前较为详尽的人脸检测与跟踪综述为[13]，着重于介绍 1 受清华大学研究支持基金（百 005 ）和863 计划（863-805-512-9805-11）资助 1 各种方法所使用的特征和模型，本文则系统地整理分析了相关的研究文献，按照人脸检测的 问题分类与模式分析、人脸特征的提取与综合等线索对近年来的研究进行了综述。 2. 人脸检测问题的分类与人脸模式分析 人脸检测问题所包含的内容十分广泛，从不同的角度可以有多种分类方法 （表1）。本 文主要讨论静止图象中的人脸检测问题。动态图象中单帧内的人脸检测与静止图象的情况基 本相同，若考虑动态信息则属于人脸跟踪(Face Tracking) 问题，将不在本文讨论。 表