人類與生具備著許多種生活的能力，辨識與偵測人臉是視覺能力的一部份。近十五年來關於人臉套用的相關研究不斷的被提出來，但這些技術卻遲遲不能達到普及化的套用，其中很重要的一項原因就是因為一直沒有一個很有效的方法能夠精準的定位出人在複雜環境下的位置，因此，就算是辨視率再高, 若不能先精準的偵測出人臉的位置,這些套用都只能紙上談兵了。
基本介紹
- 中文名：人臉偵測
- 外文名：Face detection
人臉偵測的套用,人臉偵測的相關研究,人臉偵測的步驟,複雜環境下動態人臉偵測系統,人臉偵測的困難點,
人臉偵測的套用
罪犯比對 安全系統 視訊會議
影像壓縮 人機界面 表情辨識
臉部形變
人臉偵測的相關研究
近年來,已有許多關於人臉偵測的技術研究被發表,其中使用的方法約略可分為Template matching、Neural network approach、Color-based approach、Motion-based approach 、GA等六類. Template matching是一個被廣為套用的方法，將臉部特徵設定為一個或多個template，再以Searching window的方式實現偵測的動作，Template matching的優點是方法簡單容易實作，缺點是一但考慮到臉部的方向、旋轉、大小等條件時，運算的時間複雜度將大幅的增加，Neural network的方法是先分割輸入影像為數個subimages，再將subimages標準化後輸入Neural network的架構做訓練, 讓Neural network自動分辨哪一區域為人臉哪一區域為背景，這樣的方式對於正面且不旋轉的人臉偵測有著極佳的效果，但若考慮人臉的傾斜與旋轉時, 效果就不是那么好，Color-based approach是近幾年來廣泛被套用的方法, 其理論基礎是人類膚色在色彩空間中會群聚於一定的範圍區域中，對膚色做統計可建立一膚色分布的model，即由對輸入影像pixel by pixel與膚色model的比對可得到膚色的區域，Color-based approach優點是處理速度快，且偵測的結果不受人臉姿勢變化的影響, 缺點是當背景若出現與膚色相近的景物，可能會產生誤判的結果，Motion-based approach是利用兩不同時間但背景相同的影像相減將影像中變動的物體作定位，再利用輪廓的比對來偵測人臉，這樣的方式當影像中物體移動時可迅速的縮小偵測範圍。
人臉偵測的步驟
影像輸入->關鍵頁面取得->膚色分析->影像二值化->雜訊處理->邊緣偵測->水平與垂直投影->找出人臉特徵位置。根據點狀關鍵圖累計分析法，判別連續視訊頁是否有明顯差別，再針對有明顯差異的視訊頁進行後續的膚色分析和邊緣偵測，最後再設定一閾值來判斷是否為關鍵頁面。
複雜環境下動態人臉偵測系統
一種複雜環境下動態人臉偵測系統，主要由影像輸入單元及動態人臉偵測單元所組成，該影像輸入單元持續對場景捕捉數字影像，接著由人臉偵測單元使用移動物體偵測算法擷取有移動的部分，再來使用人臉特徵擷取的技術對有移動的部分進行人臉偵測，擷取到所有人臉必要特徵代表偵測到人臉，若是擷取不到部分特徵，則通知系統所缺少的特徵為何，以達到在複雜的環境且不良的攝影條件下，利用移動物體偵測及人臉特徵擷取的技術來準確地偵測人臉，可用在大樓監控及安全監控等環境，並可與現有的監控設備結合，不用再重新添購品質較佳的監控設備，以節省使用單位的成本。
人臉偵測的困難點
為什麼在這么多如前面所提到的套用都以成熟時，卻仍沒有一個針對general case and robust的臉部偵測法則被提出呢?可想而知，一定是有其難度存在。
(1).環境問題
複雜背景
光源位置, 光源強度
(2).人的問題
頭部的旋轉，頃斜，俯仰
眼睛的開合
表情的變化
化妝，飾品，髮型，鬍鬚，眼鏡
膚色的不同
距camera的遠近與camera的解析度-->臉部的大小
(3)camera的參數
光圈
快門
解析度
