（4）运动特征在视频、序列图像中，人脸的运动特征是一个重要特征。人脸的运动特征通

常会被运用于分割快速的人脸检测中。实验中，一般通过比较相邻帧的差分来得到运动区域。利用人脸运动特征，除了可以检测人脸还可以用于人脸跟踪。

2人脸的检测与定位方法

（1）基于知识的人脸检测方法基于知识的检测方法也可以称为基于规则的人脸检测方法，而这个规则来源

于人们对人脸结构特征认识，也就是说这是基于先验知识的一种方法。该方法是利用人脸五官的位置、距离关系等我们已知的规则验证目标图像是否符合相应的规则，如果满足则是人脸。该方法主要运用于简单背景下的人脸检测。其中制定合理的规则是很关键的一步。对这种方法研究开始的比较早，Yang[5]提出了一种利用知识层次性的检测方法，该方法将规则分为三个层次。最高层次的规则被

用于扫描输入的图像，这一层主要用于找出人脸可能存在的区域；再利用中间层次的规则来对已经包含人脸图像做出概括性的描述；最后运用最低层次的规则对人脸的五官进行描述。该方法提出的多层次检测方法给其他研究人脸检测的人很大的启发。Lanitis提出了利用形状特征与灰度特征结合的人脸检测方法[6]，该方法是用一个变化的人脸形状模板来搜索人脸，然后将人脸区域缩小为一个标准的人脸形状，最后根据形状和灰度值来进行人脸的识别。

（2）利用神经网络的人脸检测方法人脸检测可以视作模式识别，但是人脸的特征参数很难确定，而利用神经网

络可以通过大量的训练样本的训练让它自己去寻找合适的参数。神经网络的学习方法难度在于算法，在构建好神经网络并设计好相应的训练算法我们就可以省去对人脸进行建模，直接进行神经网络的训练，实现对人脸的检测。神经网络的优点在于无需设定好参数，神经网络自动根据算法调节参数；而且利于神经网络也有利于系统的扩展，只需增加相应的训练样本即可。但是神经网络需要大量的已经分类好的样本，只有足够多的训练样本训练神经网络才能保证神经网络在进行预测时的准确率。Sung开发了一个基于分类的人脸识别系统[7]，该系统由一个人脸模式分布模型和一个多层感知分类器组成。该系统的人脸模式的分类模型使用了47316个训练样本，包括4150个正样本。

（3）肤色的检测方法（彩色图像）在之前对人脸特征中肤色特征的介绍可以知道，肤色是人脸检测的最有效、

最直接的方法。使用这种方法，首先需要知道肤色的色域，而不同种族的肤色差异、同种族肤色差异都需要在肤色色域中得到体现。结合光照补偿算法，肤色检测方法可以取得很好的效果。Wu提出过一种结合模糊理论在彩色图片中检测人脸图像的算法[8]，该算法使用两个不同的模型：皮肤颜色模型和头发颜色模型。Cai提出了一种利用色度图来检测人脸图片中的人脸[9]，该方法通过获得图像的色度图，色度图包含了色度点是皮肤的概率，然后利用色度图来装换为灰度图，因此得到的灰度图种灰度高的表明更有可能是皮肤。目前实验中该方法的准确率超过96%。

（4）序列图像中人脸检测方法序列图像是指一系列连续的图像集合，通过对序列图像的分析，可以运用图

像中人脸的运动特征来检测人脸和进行人脸追踪，运动判别。序列图像的人脸检测相对于视频中的人脸检测，其传输成本更低，可以省去一些不必要的数据分析。并且视频也可以通过转换为序列图像再用序列图像的分析方法来进行人脸的检测与人脸的追踪。Jebara[10]提出过一种结合肤色、对称性、特征脸和3D模型的方法来实现序列图像中人脸的追踪。