Robust Real-time Face Detection. Paul Viola, Michael Jones. IJCV 2004.

强大的实时人脸检测

摘要

本文介绍了一种视觉对象检测框架，该框架能够在实现高检测率的同时非常快速地处理图像。 有三个主要贡献。 首先是引入了一种称为“积分图像”的新图像表示形式，它可以非常快速地计算出探测器使用的特征。 第二种是基于AdaBoost的学习算法，该算法选择了少量的关键视觉特征并产生了非常有效的分类器[6]。 第三个贡献是一种在“级联”中组合分类器的方法，该方法允许快速丢弃图像的背景区域，同时将更多的计算花费在有前途的类似对象的区域上。 提出了在面部检测领域的一组实验。 该系统产生的人脸检测性能可媲美以前最好的系统[18、13、16、12、1]。 在传统台式机上实施的人脸检测以每秒15帧的速度进行。

1 简介

本文汇集了新的算法和见解，以构建用于鲁棒且极其快速的对象检测的框架。该框架在面部检测任务上得到了证明，并部分受其启发。为此，我们构建了一个正面人脸检测系统，该系统可实现检测和假阳性率，相当于最佳公开结果[18、13、16、12、1]。该面部检测系统与以前的方法最明显的区别在于其能够极其迅速地检测面部。
在384 x 288像素的图像上运行时，在传统的700 MHz 的英特尔奔腾Ⅲ上以每秒15帧的速度检测到面部。在其他面部检测系统中，辅助信息（例如视频序列中的图像差异或彩色图像中的像素颜色）已用于实现高帧频。我们的系统仅使用单个灰度图像中显示的信息即可实现高帧速率。这些替代信息源也可以与我们的系统集成，以实现更高的帧速率。
我们的对象检测框架有三个主要贡献。 我们将在下面简要介绍这些想法，然后在随后的部分中详细介绍它们。

本文的第一个贡献是一种称为积分图像的新图像表示，该图像可以非常快速地进行特征评估。 某些动机是由Papageor