人脸检测技术发展现状人脸检测就是从图像中检测并获取人脸的数据。20 世纪 70 年代初，人脸检测技术开始 被研究，当时使用的方法主要是基于模板匹配、子空间等[2-4]，这种方法对只能针对简单的场 景，在一些比较复杂的环境中比较乏力。后来研究者针对这种情况，进行基于分割的人脸识 别，比如肤色分割[12]。20 世纪 90 年代以后，随着计算机技术水平的提高，出现了统计和神 经网络的方法，这种方法人脸检测可以更好的适应复杂背景。同时很多数学方法、理论和模 型，比如隐马尔可夫模型、支持向量机等，被使用到了人脸检测和识别中，促进了该技术的 快速发展[10-11]。

2001 年，Viola。P 的论文提出对图像使用 AdaBoost 方法[4]和“级联”策略实现快速人脸 检测[6]。2004 年里 Voila 又提出了对该算法的优化[7]。该方法是人脸检测领域比较成熟的方法， 识别效率高，识别速度快，在实际中已经得到广泛的应用。77722

我国进行人脸检测和识别的研究开始于在 20 世纪的 80 年代初，哈工大、中科院和清华大学在国内的人脸检测和识别领域取得了很多研究成果[18-19]。 随着大数据和云平台的逐渐发展，最近几年研究者继续对人脸检测进行深入研究，虽然

没有出现超过 AdaBoost 的新算法，但在检测速度和准确率上取得一定的成果，并且得益于大 数据，可以获取到更多的人脸细节。2015 年红极一时的微软的 HowOldRobot 正是使用了人脸 检测和识别技术，利用大数据，对图像中的人脸进行分析，可以较为准确的识别出人的性别 和年龄。不过，人脸检测和识别在实际应用中还存在着很多有待解决的技术难题，对复杂环 境也不友好，所以今后仍是一个需要研究的课题。

尽管如此，人脸检测和识别的前景还是十分令人期待的，其可以在以下场景加以利用[8]：

(1) 公民身份信息中存入面部信息，公安部门可以利用该信息打击犯罪[9]。

(2) 车站、港口的进出识别。

(3) 财产或者设备加密。

(4) 金融支付和医学领域。

2  移动设备人脸检测技术现状

目前人脸检测技术在移动端的研究和开发也越来越多，许多强大的人脸识别库和算法， 比如 OpenCV[26]等，都提供了对移动平台的支持。基于统计特征的 AdaBoost 人脸检测算法[4] 依旧是使用最多的，并且有许多研究人员针对嵌入式系统对该算法进行了优化[13]。论文网

移动设备人脸检测技术的应用还比较罕见，不过也已经逐渐出现了一些案例。比如三星 最近推出的一款名为 Safety Screen 的应用[23]。其功能是通过人脸检测技术来检测人脸距离设 备是否太接近。一旦检测到距离太近，屏幕上就会出现提醒动画。此应用的目的是提醒所有 使用者要把握眼睛到平板或手机屏幕的距离，防止不正确的使用对使用者的眼睛造成伤害， 尤其是警告小孩子，防止距离过近，增加近视的几率。这个应用和本课题实现的功能有相似 之处。

还有最近支付宝将“刷脸”带到了移动端，包括了“刷脸登陆”和“刷脸支付”，其核心 都使用了人脸检测和识别技术，通过该技术，得到使用者的信息，通过与账户注册用户的脸 部信息进行比较，从而实现验证功能。这也是国内在智能终端使用人脸检测和识别技术比较 成熟的一次进步。

可以肯定，就像被苹果公司带到了移动设备上从而焕发“第二春”的指纹识别一样，同 为生物识别技术之一的人脸检测也会在智能移动终端越来越多的使用，这将会成为一种趋势， 使智能手机更加智能。