机器学习: Viola-Jones 人脸检测算法解析(一)

在计算机视觉领域中，人脸检测或者物体检测一直是一个非常受关注的领域，而在人脸检测中，Viola-Jones人脸检测算法可以说是非常经典的一个算法，所有从事人脸检测研究的人，都会熟悉了解这个算法，Viola-Jones算法在2001年的CVPR上提出，因为其高效而快速的检测即使到现在也依然被广泛使用，OpenCV 和 Matlab中都将这个算法写进了函数库可以很方便的直接调用。虽然VJ人脸检测算法最初都是用来检测正面的人脸图像，对于侧脸图像的检测不是很稳健，不过这个算法依然有值得研究的价值。

这个算法包含以下几个重要的部分：
１　利用Haar 特征描述人脸的共有属性；
２　建立了一种称为积分图像的特征，并且基于积分图像，可以快速获取几种不同的矩形特征；
３　利用Adaboost 算法进行训练；
４　建立层级分类器。

利用Haar 特征描述人脸的共有属性　

一般来说，人脸会有一些基本的共性，比如眼睛区域会比脸颊区域要暗很多，鼻子一般属于脸部的高光区域，鼻子会比周围的脸颊要亮很多，一张正脸图像，眼睛，眉毛，鼻子，嘴巴等的相对位置是有规律可循的。Haar 特征考虑的是某一特定位置相邻的矩形区域，把每个矩形区域的像素相加然后再相减，总得来说，基本对应以下几种情形：

[−1,1],[1,−1],[1,−1,1],[−1,1,−1]

[1−1−11]

我们以前都是针对单一像素做，现在需要针对矩形区域，相当于是把单个像素变成矩形区域，所以要对每个矩形区域先求和，然后再利用上面的算子做运算，这种特征称之为Haar-like 特征。

积分图像与矩形特征　

正如上一节所说，为了计算Haar-like特征，需要对矩形区域的所有像素求和，一个图像所能形成的矩形区域有大有小，如果每个矩形区域都用遍历所有像素再求和的运算方法，无疑这个运算负担将非常巨大，所有VJ人脸检测算法用到了一种非常巧妙的数据结构，称为integral image(积分图像)，积分图像的原理非常简单，总得来说，就是对于图像中的任何一点，该点的积分图像值等于位于该点左上角的所有像素之和，表达式如下:

I(x,y)=∑x′≤x∑y′≤yf(x′,y′)

　　

并且积分图像满足如下关系：