人脸检测相关介绍

人脸识别方法

1基于几何特征的识别方法

优点：

符合人类识别人脸的机理，易于理解。

对每幅图像只需存储一个特征矢量，存储量小。

 对光照变化不太敏感。

缺点：

从图像中抽取稳定的几何特征比较困难，特别是特征受到遮挡时。

对强烈的表情变化和姿态变化的鲁棒性较差。

一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细

微特征，造成部分信息丢失，该方法比较适合于人脸图像粗分类。

2基于统计的识别方法：隐马尔可夫法

优点：人脸识别率高。

缺点：算法实现复杂。

3基于连接机制的方法

优点：能够根据有代表性的样本自我学习，具有鲁棒性和自适应性。

以并行的方式处理信息，配以硬件实现，可以显著地提高速度。

缺点：算法实现复杂。

人脸图像预处理与人脸检测

图像的灰度化与色彩空间变换将彩色图像转化为黑白图像，以便后期处理： 

Gray=0.229R+0.587G+0.11B (R为红色分量，G为绿色分量，B为蓝色分量) 

为了使人脸在LCD实时显示，对于经过视频解码输出的YCrCb 4：2:2格式数字视频数据切换到RGB色彩空间数据格式才能在LCD

或者CRT上显示。YCrCh 4：2：2 视频数据到RGB色彩空间的转换公式如下：

R=1.164(Y-16)+1.596(Cr-128) 

G=1.164(Y-16)-0.813(Cr-128)-0.392(Cb-128) 

B=1.164(Y-16)+2.017(Cb-128) 

灰度归一化 由于拍摄条件的不同，图像的亮度会有所不同，为了获取较稳定的标准图像，采用如下公式对图像做灰度归一化：

 g(x,y)={[f(x,y)-m]×sv}/v+sm  (m,v是原图像f(x,y)的灰度均值和方差，sm,sv是设定的归一化后的灰度

均值和方差，文中可取sm=0,sv=1) 

图像去噪增强

领域平均法：

优点：算法简单，计算速度快。

缺点：容易使图像产生模糊，特别是边缘细节处，邻域越大，模糊的越厉害。

中值滤波：

（Med(…)表示取序中值）

优点：

克服了线性滤波器带来的图像细节模糊问题，

在过滤噪声的同时，还能很好地保护边缘轮廓信息。

图像边缘检测算法

Roberts边缘检测算子：利用局部差分算子寻找边缘的算子，由如下公

式给出：

优点：边缘定位准确。

缺点：对噪声敏感，适用于边缘明显而且噪声较少的图像分割。

简化算子：

由于人脸图像是边缘丰富的子区域，所以边缘提取对于人脸图像的从复

杂背景分割出来具有重要作用。根据人脸识别的实际情况，我们可以采

用如下的简单算子来提取边缘： H1和H2分别为水平和垂直方向的算子。

经过实验发现，使用如上的算子具有运算简单，计算速度快的优点，而且经运算后边缘图像轮廓比较

清晰，人脸轮廓及五官区域可以凸显出来。

注参考：http://wenku.baidu.com/link?url=B7EEbmys4LPAwkNSNN0XitFIUTyi7vYw1lrri_uoc8Z9aoyYSiybxp6Sq9Duhxi7-jt2FWad97h2ETsW8-Psu6fmup1KBAmMtpR1bIFlitu