快速人脸检测技术综述 阅读心得

人脸检测是一个复杂的具有挑战性的模式检测问题，其主要的难点有两方面，一方面是由于人脸内在的变化所引起：

(1) 人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开

与闭等；(2) 人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；另一方面由于外

在条件变化所引起：(1) 由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转

以及上下旋转，其中深度旋转影响较大；(2) 光照的影响，如图像中的亮度、对比度的变化

和阴影等。(3) 图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等

相关的论文

[6] Yang MH, Kriegman D, Ahuja N. Detecting faces in images: A survey. IEEE Trans Pattern

Analysis and Machine Intelligence, 2002, 24 (1): 34~58.

[7] Hjelmas E. Face Detection: A Survey. Computer Vision and Image Understanding

83,236~274(2001).

[8] Liang LH, AI HZ, Xu Z, Zhang B. A Survey of Computer Science. Chinese Journal of

Computer,2002,25(5):527~532(in Chinese with English abstract).

 

多线程操作？

神经网络是一个很好的人脸检测的方法。

贝叶斯方法也是较好的方法

 

人脸检测的转折期：

P．Viola的文章 《Rapid object detection using a Boosted cascade of simple features》通过综合Adaboost 和Cascade算法实现了实时的人脸检测系统。主要贡献如下：

1．第一次引入“积分图”的概念。

2．基于AdaBoost的学习算法。

3。在级联的检测器中不断增加更多的强分类器。

 

综合期：

 更多的学者将注意力集中于Boosting算法上，

1）  Rainer Lienhart 提出了一些新的旋转Haar-like特征

相关论文如下

[43] Lienhart R, Maydt J. An Extended Set of Haar-like Features for Rapid Object Detection

IEEE ICIP 2002, Vol. 1, pp 900~903, 2002(in Chinese with English abstract).

[64] Lienhart R, Kuranov A, V Pisarevsky. Empirical analysis of detection cascades of boosted

classifiers for rapid object detection. DAGM’03 25th Pattern Recognition Symposium 2003.

[65] Lienhart R, Liang L, and Kuranov A. A detector tree of boosted classifier for real time object

detection and tracking. IEEE International Conference on Multimedia & Expo (ICME2003)

 

2）    B.Froba在利用Adaboost算法的基础上提出了一种在灰度图像中进行正面和平面内旋转

人脸的实时检测系统 [10]

[10] Fröba B, A. Ernst. Fast Frontal-View Face Detection Using a Multi-Path Decision Tree. In

Proc. Audio- and Video-based Biometric Person Authentication (AVBPA ’2003), pp.

921~928, 2003.

3）  Stan Z. Li 提出了一种基于FloatBoost 的多视角的人脸检测算法。同基于AdaBoost 的算法相比，它能在提高人脸检测速度的同

时提高检测的精度。

4）  C. Liu 等人提出了一种基于Kullback-Leibler Boosting (KLB)算法构造的一个紧凑的

(compact) 分类器 [69]，解决了AdaBoost算法中的两个问题：第一，怎样根据学习得到的系数对弱分类器进行最佳的组合，第二，怎样选择最好的弱分类器或特征。

P. Viola 本人也在接下来的工作中对Adaboost 进行了一些改进 [70] ，提出了一种不对

称的Adaboost 算法，可以用于快速的图像检索和人脸检测。此外还有Zhang 提出的基于

Boosting 的多视角的人脸检测[71]，Sahbi 提出的综合SVM 和分级的方法进行人脸检测的系

统[72,73]等

 

 

总结与展望

 

 

[49] Liu CJ. A Bayesian Discriminating Features Method for Face Detection. IEEE Trans. Pattern

Analysis and Machine Intelligence, vol. 25, no. 6, pp. 725~740, 2003.

[69] Liu C, Shum HY. Kullback-Leibler Boosting. Proceedings of the 2003 IEEE Computer

Society Conference on Computer Vision and Pattern Recognition (CVPR’03). 2003.