基于Adaboost算法的人脸检测研究及实现

西安理工大学硕士学位论文

例如：表情识别、口型识别、人机交互、基于内容的索引、数字视频处理、视频监测、网络会议和ＮｅｔＣａｍ等等。

目前，国外对入脸检测问题研究的专业机构有很多，比较著名的有ＭＩＴ、ＣＭＵ和

ＦＥＲＥＴ等；国内的清华大学、上海交通大学、华中理工大学、北京工业大学、中国科学院计算技术研究所和中国科学院自动化研究所等科研杌构都有专业人员从事与人脸检测技术相关的研究。随着人脸检测技术研究的扩展，一些最新的技术和方法也被应用到解决人脸检测问题当中，新方法、新技术层出不穷。国际上发表的相关论文数量也在不断增长，如ＩＥＥＥ的ＦＧ、ＩＣｍ、ＣＶＰＲ等重要国际会议上每年都有大量关于人脸检测的论文，占有关于入脸信息处理技术研究论文的近１／３之多‘２’。

１．３人脸检测方法简介

无论从整体结构上，还是细节特征上来讲，人脸都是有许多固定特征的，它本身也

是一些特征信息的集合。例如：人的脸是由皮肤、眉、眼、鼻、唇、下巴，还有额头和胡须组成的。长脸、圆脸、方脸和五官的大小、分布也是信息，都可以被描述和传递。在人脸检测问题的研究中，这些已知的特征信息都是非常重要的，而且也是经常被使用的。

根据检测原理的不同，常用的人脸检测方法分为：基于特征的检测方法和基于统计

模型的检测方法。

１．３．１基于特征的检测方法

人的面部有很多特征信息：包括皮肤、眉毛、眼睛、鼻子、嘴唇和下巴；此外，还

有面部的结构、轮廓和纹理特征等等。

利用皮肤的颜色特征可以制作肤色分类器‘８¨卯。为了较好的对肤色进行分类，研究

人员将肤色转换到不同的颜色空间进行聚类，常用的颜色空间有：ＹＣｂＣｒ、ＬＵＶ、ＹＩＱ和ＲＧＢ等。基于肤色分类器的人脸检测方法容易受到背景的影响，还需要和其它检测方法结合¨∞起来使用。

根据面部器官的结构特征，研究人员提出了许多基于结构特征的检测方法。例如：

基于双眼模板匹配的检测方法¨¨、基于人脸器官结构的检测方法１１２１基于面部椭圆和比例的检测方法¨ｏ’和基于面部的纹理特征的检测方法“３１等等。

虽然基于特征的检测算法已经比较成熟，但是由于其容易受到光照、表情、姿态等

条件影响，检测能力有限。此外，基于结构特征的检测算法计算量较大，一般无法满足人们对检测速度的要求。

１．３．２基于统计模型的检测方法

基于统计模型的检测方法是目前研究的主要方向，也是将来一段时间研究的主要趋

势。这类方法的优势是不再使用人脸的特征信息等先验知识，也没有设定模板参数等操２