-
现在大多数的人脸检测方法，都是适用于正面以及基本端正的人脸，而一般且不会考虑阴阳脸和遮挡情况。可以将人脸检测按照基本方法的不同，可以将其分成两个大类，一个是基于人脸特征方法，另外的一个是基于人脸模板方法。基于人脸特征方法，按照先验知识检测人脸拥有的特征和分布判定是不是人脸。人脸特征有皮肤、头发色彩、人脸的轮廓、脸部与头发分布、器官的特征及和分布的关系等等。按照色彩来讲，根据肤色在颜色空间上分布，建立肤色的分布模型。依照这个模型找出肤色的区域。人脸轮廓方面讲，在灰度梯度，边缘检测，肤色区域检测的基础上，分析人脸轮廓形状以及大小。眼睛，嘴和鼻子的特征方面讲，看看是不是包含有这些特征。一般的情况下会将这些特征综合起来进行人脸的检测。人脸模板方法，把人脸看成一个模式，用大量的人脸和分人脸样本训练分类器，然后判别所有的可能区域是哪种模式来实现检测。其实就是把人脸检测的问题转化成统计模式识别二分类的问题[9]。经常使用的方法有（1）基于模板匹配的方法，首先构造平均人脸，然后用这个平均人脸当做模板进行模板匹配，主要有直接灰度模板匹配的方法、特征脸方法。63861
- 上一篇：中孔碳材料国内外研究现状综述
- 下一篇：限速标志识别的研究现状综述
（2）基于模板学习的方法，通过收集大量的人脸样本、非人脸样本进行学习，非人脸样本的收集可以通过自举的方法进行，主要有人工神经网，支持向量机方法。基于人工神经网方法，在很长一段时间里代表人脸检测最高水平。对比基于人脸特征以及基于人脸模板这两种方法，人脸特征方法的优点是快速，论文网缺点是不稳定，一旦环境复杂化，就会容易出现误检的情况，人脸模板方法比较稳定，是现阶段研究的一个重点，缺点是训练困难和计算量大。目前，一般情况下正脸的检测，有较高的检测率，人脸检测研究的重点慢慢集中在各种复杂情况下检测，降低误警率，增加速度，可以使用积分图法加快检测速度。级联分类器，也使检测速度有很大的提高。