人脸检测技术研究背景意义及现状.doc

人脸检测技术研究背景意义及现状 1引言 2 背景及意义 2.1人脸识别的原理 2.3 人脸识别的难点 2.4人脸识别的应用 3 国内外现状 1引言 视觉是人类获取信息的最主要手段。据相关研究统计，由视觉获取的信息占 人类获取信息总量的70%以上；另一方面，随着计算机硬件性能的飞速提高，利 用计算机来辅助、模拟人类视觉的研究得到了广泛的关注。 图像中的人往往是整个图像的中心，而根据人眼的视觉特性，人们通常对图 像中人的脸部区域更感兴趣，因此人脸相关的图像处理技术成为了计算机视觉中 的一个非常重要的研究方向。人脸处理技术在身份验证、人机交互接口、智能视 觉监控、基于感兴趣区ROI（Region of Interest）的编码与传输、可视电话等领域有着广泛的应用，有着广阔的发展前景。 2 背景及意义 人脸是一个常见而复杂的视觉模式，人脸所反映的视觉信息在人们的交往中 有着重要的作用和意义。对人脸进行处理和分析在视频监控、出入口控制、视频 会议以及人机交互等领域有着广泛地应用前景。人脸的处理和分析包括人脸识别、人脸跟踪、姿势估计和表情识别等，其中人脸检测是所有人脸信息处理中关键的第一步，近年来成为模式识别和计算机视觉领域内一个受到普遍重视、研究十分活跃的课题。 人脸检测是指在输入图像中确定所有人脸(如果存在)的位置、大小、姿态的过程。人脸检测问题最初来源于人脸识别，人脸识别的研究可以追溯到20世纪60-70年代，经过几十年的曲折发展已日趋成熟。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要针对具有较强约束条件的人脸图像（如无背景的图像），人脸位置很容易获得，所以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像具有一定的适应能力，因此，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、数字视频处理等方面有着重要的应用价值。广泛应用的视频会议和可视电话，也把人脸检测提到了一个新的高度。为了同时保证网络传输的速度和在视频终端的图像的质量，对每一帧图像，往往先分割出人脸和背景，背景部分用一个较低的码率传输，减小网络负荷，而给子人脸区域一个较高的优先级来保证它的传输质量和速度，从而在终端得到质量较好的重建图像。在基于内容的检索中，由用户给出一幅人脸图像，利用人脸检测技术，可以很快的在数据库中找出一系列相关图像，这些广泛地应用前景使得人脸检测的研究备受关注。 2.1人脸识别的原理 人体面貌识别技术包含三个部分：  面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法： 参考模板法 首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸； 人脸规则法 由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸； 样品学习法 这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器； 肤色模型法 这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。 特征子脸法 这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。 值得提出的是，上述5种方法在实际检测系统中也可综合采用。人体面貌跟踪 面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法此外，利用肤色模型跟踪也不失为一种简单而有效的手段。 人体面貌比对 面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法： 特征向量法 该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量。 面纹模板法 该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。 人体面貌识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。 一般分