聯合膚色分割的Adaboost算法人臉快速檢測

◆徐凌風

（中國人民公安大學 北京 100038）

人臉檢測技術作為計算機視覺中的重要一環，被廣泛應用于各行業領域。在公安工作中，人臉檢測技術一方面可應用于關鍵視頻幀的人臉識別、人群篩選、安防預警的面部檢索階段；另一方面，人臉檢測也可應用于圖像真偽性鑒別的自動取證過程中。現有人臉檢測技術可做如下分類[1]：第一類是基于先驗知識的方法，通過利用面部五官的幾何關系來對人臉的特征進行規則描述，并使用此規則來對待檢測人臉進行判定；第二類是基于特征的方法，通過使用人臉所固有的幾何特征、膚色特征、紋理特征來對人臉進行檢測；第三類則是基于表象的方法，其主要依靠尋找人臉與非人臉圖像中的相關特征來構建人臉特征庫，此類方法可進一步分為[2]貝葉斯分類器，Winnows稀疏網絡、支持向量機法（SVM）、神經網絡法、Adaboost算法、隱馬爾科夫模型法（HMM）等。然而，由于人臉自身所具有的特性以及不同環境給面部所帶來的檢測干擾，現有的人臉檢測器檢測精度仍受其制約。針對人臉檢測中的難點，Ashu Kumar等人[3]將其分為面部形態、復雜背景、光照條件以及圖像質量四類。其中，人臉形態主要包括人臉遮擋、旋轉、表情變化等方面，該條件下所導致的人臉特征部分消失及改變使得檢測器需要具備更高的魯棒性；另一方面，復雜背景的存在使得背景中具有與人臉特征類似分布的區域易被誤判為人臉，導致誤檢率的提升；光照條件的干擾可以分為色溫、光強、光位三方面：色溫的干擾來自入射光譜色光比例的不同，進而使得人體膚色偏離正常色調。……