参考——人脸检测文献综

附件一：

基于肤色的人脸检测系统的研究与实现文献综述一、人脸检测技术研究背景和意义

随着当今世界的发展，各个国家和地区间的人员流动越发频繁，安全部门都希望通过身份自动验证技术对往来人员进行管理，尤其是9.11事件之后，世界各国更是在人员的身份验证方面投入了大量的人力、物力。因此，身份验证技术在安全控制和金融贸易等方面的应用得到了飞速发展。在诸多的身份验证技术中，生物特征识别技术得到了新的重视，被公认为是最具应用潜力的识别技术之一。其中，人脸识别(Face Recognition )技术较其它生物特征识别方法有很大的优越性，特别是在在90 年代，随着微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。人脸识别从而得到快速发展，并成为研究热点，主要表现在它的方便性、快速性和非侵扰性。我们所研究的人脸检测( Face Detection)正是自动人脸识别系统中的一个关键环节，它是指在输入图像中确定所有人脸(如果存在)的位置和大小的过程【１】。

近几年来，人脸识别越来越广泛的应用于国家安全、金融、海关、民航等诸多领域。这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立课题受到研究者的重视。今天，人脸检测的应用背景己经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。人脸检测是智能人机接口技术研究的基本内容。不仅是智能接口系统的重要功能模块，而且是其他智能感知系统的基础和前提。人脸检测技术为其他感知系统(人脸识别、表情识别、唇读等)的技术研究提供了前提条件，即有效、快速的人脸定位。人脸检测还是其他领域中的一项关键技术，例如、视频会议、基于对象的编码、应用视觉系统(如安全检查、保安管理)、Web搜索、二维人脸合成、视频检索、基于内容的图像检索等。在数字音频领域有广泛影响的MPEG 系列国际标准也在征求人脸检测算法【２】。

二、人脸检测系统的组成

对于人类来说，可以毫不费力地识别出人脸以及每个人脸部位的不同特征，但对于计算机来说，这却是一件比较困难的工作。让机器从复杂的图像中自动检测出人脸覆盖了众多科学领域的知识，如图像处理、模式识别、计算机视觉和神经网络等等。图１．１现实的是人脸检测的一般过程，它主要有图像获取、图像预处理、人脸检测定位、人脸区域验证四大部分组成：

图像预处理的主要作用在于尽可能地区处或者减少光照的影响以及成像系统和外部环境对于处理图像的干扰，为后续处理提供高质量的图像。主要包括：区噪声、光照均衡处理、大小和灰度归一化处理等等。

人脸检测定位的目的就是在输入图像中寻找人脸区域，把图像分成两个部分：人脸区域和非人脸区域。针对不同的场景和应用场合，存在着不同的人脸检测定位方法。

人脸区域验证主要用于排除被误检的人脸区域，这是一个基于知识的决策过程。本设计中，通过进一步提取人脸特征来对人脸区域进行最终验证。这一步骤在整个人脸检测中具有举足轻重的作用。

三、人脸检测技术的研究现状和技术难点

1、国内外人脸检测技术的研究现状

在国外，许多国家进行了人脸检测技术的研究，著名的研究机构有美国MIT 麻省理工学院的多媒体实验室和人工智能实验室，卡内基梅隆大学CMU的Human －Computer Interface Institute，SRI（斯坦福大学）研究中心，Microsoft Research 的Vision Technology Group以及英国的Department of Engineering in university of Cambridge等。综合这些国家的有关文献，人脸检测的方法主要分为基于显示特征的方法和基于隐式特征的方法。

国内进行人脸检测研究的主要机构有哈工大、中科院计算机所、清华大学、北京工业大学等。哈工大的研究者实现了一个复杂背景下的多级结构的人脸检测与跟踪系统，其中采用了模板匹配、特征子脸、彩色信息等人脸检测技术，能够检测一定旋转范围内的正面人脸，并可以跟踪任意姿态的运动的人脸，清华大学的研究人员对人脸肤色进行了较为系统地分析，并提出了基于颜色和特征的自适应人脸检测方法。北京工业大学的研究人员基于人脸器官特征，在边缘图像中提取横纹目标，提出了一个又粗到细的检测方法。中科院计算机所研制的“面像检测与识别核心技术”已成功应用于十六大中。这一重要成果标志着我国在人脸检测、面部特征提取、人脸识别与确认几个方面均达到了国际领先水平。

2、人脸检测在现实研究中存在的技术难点

开始于八十年代末、九十年代初的人脸检测的问题的探索，这一课题吸引了越来越多的研究者的兴趣，并取得了一批有意义的研究成果。但由于受到图像和视频捕捉设备的制约、一些背景因素的干扰以及被检测主体的各种变化等影响，人脸检测的速度和精度都有待于进一步提高，一些主要的问题和难点直到今天仍然没有得到很全面和有效的解决。

人脸是一个极为普通而又十分复杂的模式。人脸所蕴含的信息非常大，所以人脸的检测问题与其它物体的检测有较大区别。由于以下原因使得人脸检测工作非常困难，主要包括：⑴、复杂的背景。复杂的背景是指成像环境可以是室内或室外，可以以任意景物为背景，对光源没有特殊要求。⑵、人脸共性模式特征难以提取。⑶、人脸特征具有不确定性。有些人脸部长有胡须或带有眼镜、帽子等遮盖物，这也加大了人脸检测工作的艰巨性。⑷、图像的成像条件。光照的不均匀性特别是偏光的影响极大破坏了人脸特征空间分布的规律性，此外相机的性能也会影响人脸的外观。

四、人脸检测的主要算法及其发展过程和现状

国内外相关文献中提出了许多通过长期研究而得出的方法，概括而言，目前的人脸检测技术可分为基于启发式模型的方法和基于统计学习的方法。

1、基于启发式模型的方法

对一个典型的复杂背景下的人脸检测问题，基于启发式模型的方法首先要分割出一些初级的视觉特征，例如边缘特征、灰度特征、领色特征等。这些视觉特征还比较低级，不能包含太多的信怠量，需要对它做进一步的分析，即特织成高级的、具有全局概念的人脸特征。通过特征分析，人脸区域就可以被确定下来。

⑴、基于器官特征的方法

利用人脸五官的空间位置分布等规则，检测图像中是否有满足这些规则的图像块来检测人脸。Ki和Cipolla【３】利用了大量的特征，包括几何、空间、灰度等各种度量，对人脸进行粗定位。这是一种自底向上的方法。另外还有自顶向下的方法，最为经典的就是Yang和Huang【４】提出的镶嵌图(Mosaic Image)的方法。Morimoto和Flickner【５】在一个鲁棒性强的瞳孔定位技术的基础上，结合人脸结构信息，实现了多人脸的检测。

⑵、基于彩色信息的方法

人脸的肤色在颜色空间中的分布相对比较集中，利用这个特点可以检测人脸。这种方法的最大优点是对姿态变化不敏感。用彩色信息检测人脸的关键是合理选择色度坐标。常用的方案是将彩色的R. G, B分量归一化。目前人们研究最多的是如何提取彩色的色度信息，即将RGB彩色空间转化为其他彩色空间，以突出色度信息。

Martin【６】设计了肤色模型表征人脸颜色，利用一个感光模型对输入图像修