人脸检测技术现状与发展研究

科技信息

1.人脸检测的研究背景与意义

一个完整的人脸自动检测和识别系统应包括三个方面：人脸检测、特征提取和人脸识别。人脸检测是人脸自动识别完成的第一步，是人脸自动识别系统解决的首要问题。

经济社会的日益壮大发展，使得我们对于自动身份验证的及时有效性要求越来越迫切。由于人体的生物特征具有很强的个体差异性和自身稳定性,是进行身份验证的最理想的依据。和利用指纹、视网膜、声音等其它人体生物特征的人身鉴别方法相比，人脸识别具有蕴涵信息量大、直接、友好、便捷等特点，更易于被广大用户接受。人脸检测是自动人脸识别系统的关键环节之一，但是早期的研究主要针对在较强约束条件下的人脸图像，这些研究往往假设人脸位置已知或者很容易获得，由此可见人脸检测的问题并没有受到高度重视。近些年来，伴随着电子商务等应用的迅速发展，人脸识别已经成为最有影响力的、最不可或缺的生物身份验证手段，在这种背景下，自动人脸识别系统必须要求能够对一般环境图像具有较强的适应能力，由此所面临的一系列问题和困难使得人脸检测开始作为一个独立的课题进行研究并受到重视。

2.人脸检测国内外的研究领域现状

最早期，人脸检测问题来源于人脸识别。人脸识别研究开始于20世纪60年代末期。早期人脸识别的方法主要是基于部件的，利用人脸的几何特征识别。这类方法简单易行，但是很容易丢失人脸的有用信息。在进入到上世纪90年代以后，随着计算机技术的迅猛发展产生了很多新的人脸识别的方法，如主元分析法、特征脸方法、弹性图匹配法；与此同时很多新的学科理论不断成熟，如BP神经网络、支持向量机；很多新的模型，如隐马尔可夫模型、三维可变形模型等也纷纷用于人脸识别，模式识别理论研究的逐步深入促进了人脸识别技术的飞速发展，而人脸检测是自动人脸识别系统的一个关键环节。

目前，国外有很多对人脸检测问题的研究，比较著名的有MIT、CMU、USC等；国内的清华大学、北京工业大学、亚洲微软研究院、中科院计算机技术研究所、中科院自动化研究所等也都有人员从事人脸检测方面的相关研究。而且，MPEG7标准组织也已经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。随着人脸检测研究的逐步深入，在国际上发表相关论文的数量也大幅增加，IEEE的PMAI还于1997年7月出版了人脸识别专辑。在每年IEEE中的FG、ICIP、CVPR等重要会议上都有许多关于人脸检测的优秀论文。

3.人脸检测的研究难点

人脸检测在基于人脸的身份验证、基于内容的检索、和谐人机界面、视觉监测、数字视频处理等方面有着非常重要的应用价值，使得人脸检测的研究很受关注。人脸是具有相当复杂细节变化的自然结构目标，对于这类目标的检测是一个富有挑战性的课题，具体来讲，其检测难度有：

（1）由于外貌、表情、姿态、皮肤颜色等不同，人脸本身具有模式的可变性；

（2）由于刘海、眼镜、胡须等附属物存在的不确定性而使人脸有不同的特征；

（3）图像的大小、光源方向和光照强弱等都会影响人脸的最终表达。

因此，假如能找到这些问题的解决办法，成功研究出人脸的检测系统，将会为人脸的自动识别技术的发展产生巨大的推动，而且也会为其它具有类似特征的检测问题提供重要启示。

4.人脸检测的主要方法

人脸图像包含着非常丰富的模式特征，选择合适的模式特征进行人脸检测，是研究的一个关键性问题。人脸模式具有复杂而细致的变化，因此一般需要采用多种模式特征综合的方法。总的来说，肤色特征和灰度特征是人脸模式的主要特征，前者适用于构建快速的人脸检测算法，后者用于区分于其它物体更为本质的特征，是人脸检测领域研究的重点。近几年，人脸检测技术迅猛发展，研究人员提出了很多人脸检测的方法，但是由于人脸检测问题的复杂性，实现通用的人脸检测方法还不实际，因此解决特定约束条件下或某种应用背景下的人脸检测问题仍将是该领域研究的主要课题。

目前的人脸检测方法主要包括：

4.1基于人脸规则的方法

该方法根据人脸结构分布特征而得到的规则判断测试样本中是否有人脸。脸部各器官之间的关系由创门之间的距离和相对距离关系来表示，提取这些特征而生成的相应规则，可以用来判断被检测图像中是否包含人脸。基于人脸规则的方法的主要问题在于:将人脸的结构特征转换为规则具有一定难度，并且制定规则的标准也很难确定，规则过于详细可能检测不到完全符合规则的人脸图像，规则过于简单又可能检测到符合规则的非人脸区域。

4.2基于特征不变量的方法

该方法首先假定:在不同的光线、角度等条件下，人脸中存在着恒定不变的特征，所以人眼才可以毫不费力地发现人脸。在具体实现时，这类方法通常先使用边缘检测算子找到眉毛、鼻子、眼睛、嘴等脸部特征，然后用检测到的这些特征建立一个统计模型来描述各特征之间的关系，并用这个模型来验证是否存在人脸，但是光线、遮挡等因素都会影响脸部特征的提取。

4.3基于神经网络的方法

人脸是一个复杂的结构化视觉模型，很难以参数形式表示，因此使用大量的样本参考，训练神经网络来检测人脸。这种方法不需要对人脸进行建模和提取规则，算法较稳定。但是大量参考样本的采集使得该项工作繁重，而且如何采集样本的理论指导匮乏，尤其是负样本。

4.4基于模板匹配的方法

该方法首先设计出一个或多个具有一定标准的人脸模板，然后对测试样本与标准模板之间的匹配程度进行计算，计算结果根据阂值来判断检测样本中是否有人脸存在。在实际的应用中，所采用的人脸模板可以分为形状模板和可变形模板。样本匹配的原则为:将曲线或曲面参数化，并与人脸的相应局部特征进行匹配，同时模板中的变形“张力”应为最小。

4.5基于概率分布的方法

该方法将采集到的大量人脸样本，使用主分量分析(PCA)法将人脸图像降维到一个低维空间里，构成一个人脸样本集合，然后假定人脸作为样本服从某一分布，如高斯分布等。对于检测样本，对其属于该人脸集合的概率进行计算，如果计算结果大于某个闽值，则认为该样本是人脸。相比传统的特征脸检测方法，该方法具有更高的检测精度。

4.6基于几何特性的方法

该方法首先假定人脸区域可以用一些几何特性表达，如对称性。人脸检测就转换为在图像上进行几何特征的检测，这些几何特征一旦被检测到，人脸也就检测出来了。

4.7基于肤色检测的方法

作为同一种族的人，其面部肤色在色彩空间中的分布相对集中，因此色彩信息在一定程度上可以将人脸与大部分其他背景区分开来。研究者提出了一种利用模糊理论在彩色图像中检测人脸的方法，该方法分别使用两种不同的模糊模型对皮肤颜色和头发颜色进行描述，并使用归一化的色彩空间进行检测，以此来提高检测的精确性和稳定性。

4.8基于运动分析的方法

在动态图像序列中，通常人相对于背景总是在运动的，利用这些运动信息可以将人从任意复杂的背景中简单有效地分割出来，如利用说话等方法的活体人脸检测方法。

5.总结与展望

人脸检测和识别技术现在正在以不可思议的速度迅猛发展。现存的人脸检测方法很多，但哪种方法在什么情况下的检测效果最好却并不明确。目前的算法一般多基于图像背景不太复杂，人脸尺度适中而且旋转角度较小的准端正人脸的检测，而环境和状态不加限制的多种姿态人脸检测还存在一定的困难性，而且算法的简便性、稳定性、检测结果的准确程度及适用条件等方面仍存在局限性。在实际的人脸识别过程中,人脸识别的复杂性使得任何一种现有方法的单独使用在识别效果的取得方面较差,多种基本方法的结合使用,是目前人脸识别技术研究的必然趋势。

参考文献

［1］艾海舟,梁路宏,徐光佑等.基于肤色和模版的人脸检测［J］.软件学报,2001,12(12):1784～1792

［2］王金庭,杨敏.人脸检测技术研究［J］.计算机系统应用,2006,4

［3］王良民,张建明,詹永照等.人脸检测研究现状和发展［J］.江苏大学学报,2003,Vol.24.No.3

［4］王伟,张佑生,方芳.人脸检测与识别技术综述［J］.合肥工业大学学报,2006,Vol.29.No.2

［5］刘党辉，沈兰荪.人脸检测研究进展［J］.计算机过程与应用, 2003,28:5～9

［6］梁路宏,艾海舟,徐光祐等.人脸检测研究综述［J］.计算机学报, 2002.5(25):449～458

［7］Govindaraju V.Locating Human Faces in Photographs［J］.Int’1 Computer Vision,1996,19(2):129～146

［8］Rowley H,Baluja S,Kanade T.Rotation Invariant Neural Net-work-Based Face Detection［C］.Proc.IEEE https://www.360docs.net/doc/e79699581.html,puter Vision and Pattern Recognition,1998:38～44

［9］冯元歌,施鹏飞.彩色图像中的正面人脸检测方法.生物识别研究新进展(一),北京:清华大学出版社,2002:9～13

［10］刘艳丽,赵跃龙.人脸识别技术研究进展.计算机工程，2005,31 (3)

人脸检测技术现状与发展研究

廊坊师范学院外国语学院霍鹏

［摘要］人脸检测是人脸自动检测和识别系统的一个关键环节，人脸检测技术已经成为图像处理与模式识别领域研究的热点问

题。文章首先介绍了人脸检测的研究背景与主要工作，其次分析了国内外的研究领域现状及检测的研究难点，然后对人脸检测的研

究内容及其主要方法进行简要讨论，最后提出了该领域存在的问题以及对研究前景的展望。

［关键词］人脸检测特征提取人脸识别

—

—137