2018年第4期24
方案与应用
信息技术与信息化
人脸检测方法综述
李 娥 * LI E
摘 要 当今社会，人脸识别[1]已经成为身份识别的主要方法。人脸识别操作方便，检测速度较快，相比之下
较容易上手，正是因为人脸识别的诸多优点，才被广泛地应用到各种身份识别场合当中，发挥着巨大的作用。人脸识别的步骤主要有三个，人脸检测[2-4]是其中最为重要的环节。因此，人脸检测方法的好坏直接关系到人脸识别的效果。本文从基于知识的方法，基于统计模型的方法和基于模板匹配的方法三个方面进行介绍，对三个方法的理论和算法进行了阐述和评价，并提出了关于人脸检测进一步的研究方向。
关键词 人脸检测；知识；统计模型；模板匹配
doi：10.3969/j.issn.1672-9528.2018.04.003
* 山东管理学院 山东济南 250357
1 引言
人脸检测最早起源于人脸识别。在上个世纪六七十年代，部分科研人员就已经开始了这一领域的探索，经过半个世纪的研究，人脸检测技术已经日渐成熟。近年来，随着科学技术的飞速发展，计算机网络的出现，电子商务的大量普及以及信息技术的突飞猛进，信息安全变得尤为重要，人脸识别技术，作为应用最为普遍的模式识别技术，自然被更加重视。人脸检测作为人脸识别的关键技术，更是重中之重。掌握了好的人脸检测技术，才能更好地进行人脸识别。
在人脸检测的发展过程当中，西方国家开始的比较早，很多科研机构等也取得了不错的成绩。国内对人脸检测的研究相对较晚，但是起步之后发展比较迅速。不少科研院所都对人脸识别技术的发展做出了很大贡献，并且都取得了一定的成果。
本文阐述的人脸检测的方法有以下几种：首先是基于知识的方法、其次是基于统计模型的方法，最后是基于模板匹配的方法。2 基于知识的方法
基于知识的方法的具体含义就是编写各种规则，这些规则的编写根据就是人脸模式的先于经验的知识，之后再进行下一步的人脸检测。这种方法的实质就是自顶向下进行实施：首先把所需要的人的各种基本特征提取出来，其次再根据规则来研究他们之间的具体关系。
本文所阐述的人脸的基本特征[5-7]有以下几个：灰度特
征、结构特征、纹理特征、肤色特征、轮廓特征等。基于知识的方法就是利用这些特征把所研究的人脸图像看做一个向量，而且这个向量是高维的，通过这个途径，就可以把人脸检测问题进行转化，由直接研究人脸特征转化为研究对高维空间中的分布信号进行检测。
基于知识的方法主要包括以下几种：2.1灰度分布特征
灰度值是反应人脸图像亮度信息的一个变量，不同的人脸器官分布一般不同，从而导致人脸面部各区域的灰度分布特征也不同。所以，可以考虑从灰度分布特征入手，建立一些规则，利用这些规则在人脸图像当中的呈现状态来确定图像当中有无人脸。
除此之外，光照条件也会影响人脸的灰度特征，若光照不均，相应的灰度值会变化，但是各个器官灰度值之间有一定的比例关系，可以根据这个特点来进行光照补偿。2.2形状和轮廓特征
人脸的边缘特征比较典型，可以利用他们进行特征提取。特征提取的第一步就是进行边缘检测，边缘检测有许多算子，比如：Sobel 算子、Prewitt 算子、Canny 算子、Roberts Cross 算子等。由于图像当中存在噪声，所以当利用这些算子对图像进行边缘检测时，边缘可能会不连续，因此，还必须对图像进行再次处理，目的是把同一轮廓的边缘连接起来。在对人脸图像进行轮廓特征提取时，Hough 变换是一种比较好的边缘连接算法，这种算法的抗噪声性能比较好。
灰度特征有个不足之处，就是易受光照变化的影响，但光照变化对轮廓和形状特征的影响稍微弱点，所以轮廓和形