一种改进的基于肤色和模板的人脸检测流程

王韬，胡紫薇，王晔

（四川大学计算机学院，成都610065）

0 引言

人脸检测的目标是在图像中快速准确地定位出人脸的位置，大致可以分为以下几类，艾海舟、梁路宏等人[1]提出的基于肤色和模板的人脸检测方法，首先对图像进行肤色分割提取出其中的肤色区域，再对肤色区域使用模板匹配和人工神经网络进行验证。对于灰度图像无法进行肤色分割的，梁路宏等人[2]提出了基于多关联模板的检测方法，首先用双眼的模板匹配做粗筛选，再使用模板匹配做精筛选，最后通过经验模型判定候选区域是否是人脸。姜军、张桂林[3]也提出了一种基于先验知识的人脸检测方法，主要利用了人脸的生理结构特征，提取人脸图像的灰度和边缘信息，使用镶嵌图（马赛克图）根据足够多的人脸样本建立的完备库做分析，以达到对目标区域的判别。崔晓青[4]则提出了改进的AdaBoost 人脸检测算法，这类方法主要基于对人脸的特征提取并联合机器学习的分类器工作，算法会依据某类特定的特征子，如AdaBoost 算法主要使用Haar 特征，并将多个弱分类器组合成为一个能够辨别人脸的强分类器。江伟坚[5]同样采用了类似的方法，改进了Haar-Like 算子，并分别训练了正脸和侧脸的级联分类器，获得了不错的效果。另外，还有基于统计模型的人脸检测方法，陈建华[6]则提出了一种在灰度图上使用高斯模型检测人脸的方法。最后，还有一类算法以机器学习的原理为核心，马勇、丁晓青[7]提出了一种基于层次型支持向量机的正面直立人脸检测方法，使用了一个线性的支持向量机和一个非线性的支持向量机联合工作，前者做粗检测，后者做精检测。……