人脸检测算法总结

寒假了，没有什么事情做。在网上闲逛，找到了这里，注册了帐号，开始学着写blog。:-)

还没有学会怎么帖附件与图片，无所谓，写到哪里就算哪里吧！

人脸检测是一个开放性的，比较活跃的研究课题。在人脸检测算法中， 依照时间顺序的发展有模板匹配模型，肤色模型，ANN模型，SVM模型，Adaboost模型等。其中Adaboost模型在速度与精度的综合性能上表现最好。前段时间，把各个模型的算法都实现了一次，并比较了一下：

模板匹配模型：不需要训练，但是精度比较差，速度较慢；基本的思想就是通过一个人脸模板与待检测图象匹配，寻找匹配的位置。

肤色模型：通过统计学习的方法，估计出人脸肤色在Y-Cr-Cb颜色空间中的概率模型，然后对检测点的肤色通过训练的概率模型的估计判断该点是否属于人脸区域，然后再进一步判断。下面是结合肤色模型与模板匹配的效果图：

可见该方法的精确度不是很高，有很多漏检与误检的地方。

ANN与SVM方法：该方法是基于机器学习的方法，以人脸像素作为分类器的输入，然后判断区域是否是人脸。由于训练图象的尺度是固定的，但是检测做不到尺度不变，所以需要对多个尺度的图象进行检测，造成检测速度比较慢。另外ANN的训练速度也很慢，同样数据量的情况下，ANN训练大约要17小时，但是SVM算法训练2分钟就可以得到一个较好的分类模型了。但是两者的检测