摘要: 人脸检测是计算机视觉、计算机图形学中的一个研究热点和难点。 目前，人脸检测、人脸识别的方法主要有基于肤色特征和灰度特征两大类。基于肤色特征的方法首先要确定一定的肤色模型，然后进行肤色分割，根据它们在色度上的相似性和空间上的相关性... 展开 人脸检测是计算机视觉、计算机图形学中的一个研究热点和难点。 目前，人脸检测、人脸识别的方法主要有基于肤色特征和灰度特征两大类。基于肤色特征的方法首先要确定一定的肤色模型，然后进行肤色分割，根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域，同时利用区域的几何特征或灰度特征进行是否是人脸的验证。主流的人脸特征检测技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。基于几何特征的方法中具有代表性的是Snakes方法和DeformableTemplate(可变行模板)方法。基于模板的方法可以分为特征脸方法、基于相关匹配的方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等，其中最具有代表性，也是最成功的是特征脸方法。基于模型的方法则有主动形状模型(ActiveShapeModel)，主动外观模型(ActiveAppearanceModel)，直接外观模型(DirectAppearanceModel)的方法等。 本文首先在对人脸检测、人脸识别技术的相关文献进行综述的基础上，提出了基于模板的人脸检测算法；该方法直接采用了平均脸模板匹配算法。由于双眼在人脸检测、人脸识别中往往起着关键的作用，因此本算法中用到的模板分为双眼模板和人脸模板两类。模板是对多个人脸样本取平均构造出来的，首先用手工画出选取的样本图像中的人脸区域，作为人脸样本，接着对每个人脸样本进行尺度标准化和灰度分布标准化。将所有经尺度标准化、灰度分布标准化后的样本图像取灰度平均得到平均人脸图像。进一步重采样到一定尺度得到原始模板，拷贝原始模板的双眼部分，进行灰度分布标准化后作为双眼模板；对原始模板进行灰度分布标准化得到人脸模板，为尽可能适应不同形状的人脸，我们按不同的长宽比对人脸模板进行拉伸，构成人脸模板组。匹配时首先用双眼模板进行粗筛选，再使用人脸模板组进一步匹配的方法确定待检测图像中可能是人脸的区域，然后用梯度马赛克图的梯度特征去除部分假脸，最后，将通过筛选的图像区域送入基于奇异值特征分布的人脸子空间进行验证，确认是否是人脸，是则标出人脸的位置。 收起