图5   常用的LBP算子 12

图6 基本的LBP算子有时会丢失有用的信息 13

图7 改进的LBP算法 14

图8 侧面人脸图像的LBP编码结果 15

图9 各种LBP算子及其对应的特征图 17

图10 参数改进前检测结果 23

图11 gamma为1/ALLPIC下的实验结果 25

图12 参数gamma为1/特征维数的实验结果 26

图13 人脸数据库CMU人脸检测结果 27

图14 生活网络图片实验结果 28

1 引言

人脸图像处理包括人脸检测、人脸识别、人脸跟踪、姿态估计和表情识别等。为了构造自动处理人脸图像的信息系统, 首先需要鲁棒、有效的人脸检测算法。

1．1人脸检测

人脸检测是指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。

1.1.1人脸检测原理：论文网

人脸检测属于目标检测(object detection)的一部分，主要涉及两个方面

1. 先对要检测的目标对象进行统计，从而知道待检测对象的一些特征，建立起目标检测模型。

2. 用得到的模型来匹配输入的图像，如果有匹配则输出匹配的区域，否则什么也不做。

1.1.2人脸检测发展应用

人脸分析（如图1），主要包括人脸检测（face detection）和人脸识别（face recognition）两部分。最初人脸分析主要集中在人脸识别领域。与指纹、视网膜、虹膜、基因、掌纹等其它人体生物特征识别系统相比，人脸识别更加直接、友好，其使用者无心理障碍。人脸识别技术应用背景十分广泛，可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议、机器人的智能化研究以及医学等方面。

早期的人脸识别算法都是在假设已经得到了一个正面人脸或者假设人脸很容易获得的前提下进行的，但是随着人脸分析应用范围的不断扩大和开发实际系统需求的不断提高，这种假设下的研究不再能满足需求。人脸检测开始作为独立的研究内容发展起来了。

人脸检测是人脸分析的第一步，指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果含有则返回人脸的位置、大小和姿态。本篇论文关注的是侧面人脸检测相关的技术。

图 1 人脸分析流程

今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。

1.1.3人脸检测难点

 人脸检测是一个复杂的具有挑战性的模式检测问题，其主要的难点有两方面，一方面是由于人脸内在的变化所引起：

（1）人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；

（2）人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；另外一方面由于外在条件变化所引起：（1）由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；（2）光照的影响，如图像中的亮度、对比度的变化和阴影等。（3）图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。[3]