OpenCV复杂场景人脸图像检测方法研究(2)
图4.9 自建库人脸检测示例 22
表4.1 采用不同分类器的检测结果 20
表4.2 min_neighbors参数设置小引起检测结果变化 21
表4.3 min_neighbors参数设置大引起检测结果变化 21
表4.4 yale数据库人脸检测结果 22
表4.5 ORL人脸数据库检测结果 20
表4.6 自建人脸数据库人脸检测结果 20
1 引言
1.1 课题来源及研究意义
提到人脸检测，人们一般会联系到人脸识别，人脸识别的第一步就是把人脸从图像中检测出来，目前，人脸识别在身份验证、监控录像、信息安全等很多方面都有应用，因此，人脸检测也成为一项现代人喜欢研究的课题[1]。现在，人脸检测已经不仅仅只应用于人脸识别范畴，其他许多有助社会进步的技术如数字视频处理、基于内容的检索、视频检测都会用到人脸检测技术。人脸检测方法已可以从任意大小的图像判断出其中是否包含人脸以及如果包含，则找出人脸所在位置，给出大小和姿态信息[2]。
现如今，人脸检测已经有一段历史，但各种检测方法都存在一定的不足，并不能有完全的正确率，因此，人脸检测对于研究人员来说仍然有一定难度。现在人脸检测面临来自两方面的挑战：一方面是人脸自身条件的影响：（1）人的面部变化复杂，如存在不同肤色、不同脸型的外貌条件，以及嘴巴的开闭、吐舌和眼睛睁开与闭上等不同的表情；（2）人脸部可能存在的遮挡物，如眼镜、口罩、其他饰物或由于其他原因造成的遮挡等；另一方面原因是人脸所处的外界条件：（1）光照条件的影响，如图像亮暗对比度、背景复杂度和脸部阴影等；（2）成像角度的变化，如图像的旋转、图像的拍摄角度（正面拍、侧拍等）；（3）图像成像条件的影响，如设备的成像距离以及摄取图像的焦距等。
目前，人脸检测研究越来越先进，取得了一定的成果，不仅可以将静态图像中的单个人脸、多个人脸检测出来，而且还可以检测和跟踪动态视频中的人脸图像。但人脸检测技术的研究对于应用在实际的生活、商业等用途方面还有一定的距离，即使是商用检测软件，其性能、检测率、检测精度等都还有待提高。其次，人脸检测与识别的应用领域到今天已经越来越广泛，最热门的有三个方面：一，身份验证与安全防护。在很多具有高安全级别要求的地点，如金融机构、公司的办公大楼等场所，都需要对来往人员进行身份识别或验证，对于很多个人电子产品如手机、PC等，有时为防止丢失和秘密泄露，身份验证也是必要的。二，图像搜索，传统搜索引擎几乎都是文字搜索，但很多时候也需要图像等其他格式的搜索，因此基于人脸检测与识别技术的搜索引擎将会有更加广泛的市场需求和应用前景。三，娱乐与媒体，现在人们的生活水平提高，娱乐项目越来越丰富，人脸相关技术也可以带来娱乐效果，很多通讯工具也用到了人脸检测相关技术。
总之，在未来的科学研究与实际应用中，人脸检测与跟踪技术都是一个不可或缺的研究领域，对于科学发展具有十分重要的理论意义，对于社会进步也有很高的应用价值。
1.2 课题研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
在国内，清华大学、南京理工大学、北京工业大学、中科院计算所和自动化所、亚洲微软学院等许多学校及科研机构都有科研人员从事人脸检测方面的相关研究，已取得了一些研究成果。《2 人脸检测方法
2.1 基于知识的方法
这里的知识是指人们对人脸的先验知识，人脸面部很多特征如对称性、灰度差异等，将这些知识组合起来，制定一定的规则，并进行编码，形成规则库，根据这些编码规则在图像中找出人脸。
下一篇：非正常积分的敛散性的判定和计算