人脸的检测与定位的中期报告.docxVIP

人脸的检测与定位的中期报告 当前人脸检测与定位研究已经取得了很大的进展，但仍然存在一些挑战。本中期报告将主要介绍已有的研究进展和存在的问题： 一、人脸检测与定位的主要研究方法： （1）基于Haar特征和级联分类器的方法。 Viola 和 Jones 提出了一种基于 Haar 特征和级联分类器的人脸检测方法，该方法可以在复杂背景和光照条件下实现高效而精确的人脸检测。但该方法对表情、光照等因素的影响比较大，对人脸旋转存在困难。 （2）基于HOG特征和SVM分类器的方法。 Dalal 和 Triggs 提出了一种基于 HOG 特征和 SVM 分类器的人脸检测方法。该方法具有旋转不变性和对光照变化的鲁棒性，但不适合于小尺寸人脸的检测。 （3）基于深度学习的方法。 近年来，深度学习在人脸检测领域得到了广泛应用。 AlexNet、VGGNet、ResNet、MobileNet等卷积神经网络的出现使得人脸检测的精度得到了很大提高，Baidu 的 Lightweight Face Detector 甚至可以在一些移动端设备上达到实时检测效果。 二、人脸检测与定位的问题： （1）误检测率问题。现有的检测算法较容易对一些背景或是其它的物体误报人脸，尤其在高密度人脸区域，误检测率较高，降低了人脸检测的准确率。 （2）复杂场景下的处理。人脸不是一个固定的物体，在人脸检测的过程中，涉及到检测器设计和算法的调