人脸特征,检测与识别

图像特征

 关于图像特征问题,参考
- 图像特征提取三大法宝：HOG特征，LBP特征，Haar特征

人脸检测

 人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。
 目前的人脸检测方法主要有两大类：基于知识和基于统计。
“基于知识的方法主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。基于统计的方法则将人脸看作一个整体的模式——二维像素矩阵.
 统计的观点通过大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在。在这两种框架之下，发展了许多方法。目前随着各种方法的不断提出和应用条件的变化，将知识模型与统计模型相结合的综合系统将成为未来的研究趋势。”（来自论文《基于Adaboost的人脸检测方法及眼睛定位算法研究》）

基于知识的人脸检测方法

• 模板匹配
• 人脸特征
• 形状与边缘
• 纹理特性
• 颜色特征

基于统计的人脸检测方法

• 主成分分析与特征脸
• 支持向量机
• 隐马尔可夫模型
• Adaboost算法

Haar级联的概念

 谈到目标分类和位置跟踪时,希望精确定位什么?什么才是目标的可识别部分?提取出图像的细节对产生稳定分类结果和跟踪结果很重要.这些提取的结果被称为特征,专业的表述:从图像数据中提取特征.虽然任意像素可能影响多个特征,但是特征比像素少的多,两个图像的相似程度可以通过他们的特征的欧式距离来度量.
 类Haar特征是一种用于实现实现人脸实时跟踪的特征,文献”Robust Real-Time Face Dection,Paul Viola and Michael Jones,Kluwer Academic Publishers,2001”首次采用这种特征进行人脸检测,每个类Haar特征都描述了相邻图像区域的对比模式.例如,边,顶点和细线都能生成具有判别性的特征.

浅析人脸检测之Haar分类器方法

Haar特征分类器介绍

Haar特征分类器是一个XML文件，该文件中描述人体各个部位的Haar特征值。包括人脸、眼睛、嘴唇等等。
Haar特征分类器存放目录：OpenCV安装目录中的\data\ haarcascades目录下，Haar特征分类器如下：

haarcascade_eye.xml  
haarcascade_eye_tree_eyeglasses.xml  
haarcascade_frontalface_alt.xml  
haarcascade_frontalface_alt_tree.xml  
haarcascade_frontalface_alt2.xml  
haarcascade_frontalface_default.xml  
haarcascade_fullbody.xml  
haarcascade_lefteye_2splits.xml  
haarcascade_lowerbody.xml  
haarcascade_mcs_eyepair_big.xml  
haarcascade_mcs_eyepair_small.xml  
haarcascade_mcs_leftear.xml  
haarcascade_mcs_lefteye.xml  
haarcascade_mcs_mouth.xml  
haarcascade_mcs_nose.xml  
haarcascade_mcs_rightear.xml  
haarcascade_mcs_righteye.xml  
haarcascade_mcs_upperbody.xml  
haarcascade_profileface.xml  
haarcascade_righteye_2splits.xml  
haarcascade_smile.xml  
haarcascade_upperbody.xml  

引用:
http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html
http://dataunion.org/20584.html