2025年人脸检测系统的设计与实现.doc

第一章绪论

1.1人脸检测技术

1.1.1人脸检测技术的发展背景

近几年来计算机科學在人机交互领域的研究得到了長足的发展。重要的研究方向包括：人脸检测及识别，語音识别，性别分类，种族分类等。這些研究在平常的身份认证，人口记录，社會调查，实時监测，刑事侦查等多种领域均有著广泛的应用。人脸检测作為其中一种重要的组员，其应用范围也非常广泛，除了可以应用到人脸识别中，還可以广泛应用于基于图像内容的数据库和图像检索、基于内容的图像或视频压缩、智能人机交互、新一代人机交互界面和安全监控系统等許多方面。因而研究人脸检测技术具有拾分重要的意义。新一代视频编码原则MPEG-4中引入了基于内容编码的概念，人的脸部有著丰富的表情和变化，在人和人交流的過程之中传递著大量信息。因此，在基于内容的编码中，人脸毫無疑問的成為感愛好的区域。我們需要在每一帧图像中定位出人脸，并把它從编码图像中分割出来，采用低压缩率的编码；其他非感愛好区域(如背景)就采用压缩率较高的编码措施。目前這种编码方式在可视電话,Internet视频聊天、视频會议等方面已經開始应用。

1.1.2人脸检测的概念和难點

人脸检测是指對于一幅任意給定的图像，采用一定的方略對其進行搜索以确定其中与否具有人脸，假如是则返回人脸的位置、大小和姿态。

人脸检测重要分為動态人脸检测和静态人脸检测两类，對于動态人脸检测，检测速度占主导地位，另一方面是检测率和误检率，對于静态人脸检测则规定检测率和误检率相對比较严格。人脸检测是一种复杂的具有挑战性的模式检测問題，其重要的难點有两方面，首先是由于人脸内在的变化所引起：(1)人脸具有相称复杂的细节变化，不一样的外貌如脸形、肤色等，不一样的表情如眼、嘴的開与闭等；(2)人脸的遮挡，如眼镜、頭发和頭部饰物以及其他外部物体等；

另首先由于外在条件变化所引起：(1)由于成像角度的不一样导致人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；(2)光照的影响，如图像中的亮度、對比度的变化和阴影等;(3)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。這些困难都為处理人脸检测問題导致了难度。假如可以找到某些有关的算法并能在应用過程中到达实行，将為成功构造出具有实际应用价值的人脸检测与跟踪系统提供保证。

1.1.3人脸检测的研究現实状况

人脸检测在科學技术和实际的安全应用上有著拾分诱人的前景和潜在的經济价值，從而激发了世界上广大科研工作者及有关商家的浓厚愛好，在诸多国家已經開展了大量有关项目的研究。

国内外對人脸检测問題的研究诸多并获得了一定的成果，重要是美国、欧洲国家、曰本、新加坡、韩国等，著名的研究机构有美国MIT的Medialab、AIlab，CMU的Human-ComputerInterfaceInstitute，MicrosoftResearch，英国的DepartmentofEngineeringinUniversityofCambridge等。国内開展人脸检测研究的重要單位有清华大學、哈尔滨工业大學、北京工业大學,中科院计算所,中科院自動化所,复旦大學,南京理工大學等，都获得了一定的成果。

MPEG7原则组织已經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。伴随人脸检测研究的深入，国际上刊登的有关论文数量也大幅度增長，如IEEE的FG(IEEEInternationalConferenceonAutomaticFaceandGestureRecognition)、ICIP(InternationalConferenceonImageProcessing)、CVPR(ConferenceonComputerVisionandPatternRecognition)等重要国际會议上每年均有大量有关人脸检测的论文。多种各样的人脸检测措施层出不穷，有的在前人措施的基础上继续深入研究，也有的采用综合某些基本措施進行检测。

1.1.4人脸检测成果的评价原则

评价原则重要有：检测率(hit-rate)，误检率(false-alarm-rate)，检测速度(detectingspeed)，鲁棒性(robustness)。

(1)检测率：被對的检测到的人脸数与原图像内包括的人脸数的比值。检测率越高，阐明检测系统對人脸的接受能力越强。

(2)误检率（或虚警率、误报率）：被误检為人脸的非人脸子窗口数与原图像内被检测的所有非人脸子窗口数的比值。假设原图像内被检测的所有非人脸子窗口数為被误检為人脸的非人脸子窗口数為，那么误检率=再假设原图像内被检测的所有子窗口数為N，原图像内包括人脸数為，N=+，那么误检率也等于，當N≥時，误检率近似于。检测率無法反应系统對非人脸的排除能力，有也許