毕业论文外文文献翻译A-Survey-of-Human-Face-Detection人脸检测方法研究.docVIP

毕 业 设 计（论文） 外 文 文 献 翻 译 文献、资料中文题目：人脸检测方法研究 文献、资料英文题目：A Survey of Human Face Detection 文献、资料来源： 文献、资料发表（出版）日期： 院 （部）： 专 业： 班 级： 姓 名： 学 号： 指导教师： 翻译日期： 2017.02.14 人脸检测方法研究 ?????? Andrea Cavallaro???????? 摘 要: 人脸图像处理包括人脸检测、人脸识别、人脸跟踪、姿态估计和表情识别等。为了构造自动处理人脸图像的信息系统,首先需要鲁棒、有效的人脸检测算法。分析了有关人脸检测问题的研究方法,并对其进行了分类和评价。从基于知识的方法、特征不变方法、模板匹配方法和基于外观的方法等四个方面介绍了相关的算法和理论,分析了各种方法的优缺点,并提出了关于人脸检测问题的进一步研究方向。 关键词: 人脸检测; 人脸识别; 基于视觉的识别; 统计模式识别 1 引言 近年来,人脸和面部表情识别已经吸引了更多科研人员的注意。任何人脸处理系统的第一步都是检测人脸在图像中的位置。然而,从一幅图像中检测人脸是一项极具挑战性的任务,因为其尺度、位置、方向和位姿都是变化的,面部表情、遮挡 和光照条件也是变化的。 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、大小和位姿的过程。人脸检测作为人脸信息处理中的一项关键技术, 近年来已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。 人脸识别或辨认、人脸定位以及人脸追踪等都与人脸检测 密切相关。人脸定位的目的是确定图像中人脸的位置。假设一幅图像中只存在一张脸,则面部特征检测的目的是检测特征的存在和位置,如眼睛、鼻子( 鼻孔)( 眉毛)( 嘴)( 嘴唇) 耳朵等。人脸识别或辨认是将输入图像与数据库中的图像比对,如果存在,报告匹配结果。人脸识别的目的是检验输入图像中的 个体的身份,而人脸追踪方法是实时地、连续地估计在图像序 列中的人脸的位置和可能的方向。面部表情识别涉及识别人 类的情感状态( 高兴、悲伤、厌恶等) 。很明显,在任何解决上述问题的自动识别系统中,人脸检测是第一步。 从一幅图像中检测人脸的方法可以分为以下四种: ( 1) 基于知识的方法 它将典型的人脸形成规则库对人脸进行编码。通常,通过面部特征之间的关系进行人脸定位。 ( 2) 特征不变方法 该算法的目的是在姿态、视角或光照条件改变的情况下找到存在的结构特征,然后使用这些特征确定人脸。 ( 3) 模板匹配方法 存储几种标准的人脸模式, 用来分别描述整个人脸和面部特征; 计算输入图像和存储的模式间的相互关系并用于检测。 ( 4) 基于外观的方法 与模板匹配方法相反,从训练图像集中进行学习从而获得模型( 或模板) ,并将这些模型用于检测。 2 基于知识的方法 基于知识的方法是基于规则的人脸检测方法,规则来源于研究者关于人脸的先验知识。一般比较容易提出简单的规则来描述人脸特征和它们的相互关系, 如在一幅图像中出现的人脸,通常具有互相对称的两只眼睛、一个鼻子和一张嘴。特征之间的相互关系可以通过它们的相对距离和位置来描述。在输入图像中首先提取面部特征,确定基于编码规则的人脸候选区域。 这种方法存在的问题是很难将人类知识转换为明确定义的规则。如果规则是详细的( 严格的) ,由于不能通过所有的规则检测可能失败;如果规则太概括( 通用) ,可能会有较高的错误接收率。此外,很难将这种方法扩展到在不同的位姿下检测人脸, 因为列举所有的情况是一项很困难的工作。 Yang 和Huang 使用分层的基于知识的人脸检测方法,他们的系统由三级规则组成。在最高级,通过扫描输入图像的窗口和应用每个位置的规则集找到所有可能的人脸候选区。较高级的规则通常描述人脸看起来像什么,而较低级的规则依 赖于面部特征的细节。多分辨率的分层图像通过平均和二次采样生成,如图1 所示。编码规则通常在较低的分辨率下确定人脸的候选区,包括人脸的中心部分( 图2 中较浅的阴影部分),其中有四个基本上相同的灰度单元。 在人脸的上层周围部分具有相同的灰度。人脸的中心部分和上层周围的灰度不同。最低分辨率的( Lever 1) 图像用于 搜索人脸的候选区并在后面较精细的分辨率下作进一步处理。在Lever 2完成人脸候选区的局部直方图均衡化,并进行边缘 检测。继续存在的候选区在Lever 3用其他的人脸特征,如眼睛、嘴等对应的规则进行检查。这种方法的特点是用从粗—细的策略来减少所需要的计算,虽然它没有很高的检测率,但采用多分辨率分层的思想和指导搜索的规则已经用到后面的人脸检测工作中 。 Kotropoulos