பைடு நூலகம்
1.2基于统计的人脸检测方法
理论根据：从样本中分别抽取包含人脸类(正例)和非人脸类(反 例)足够数量的样本进行统计分析后，就可以得到代表人脸的普 遍特点，利用统计模型进行人脸检测的理论根据。 优点：在于通常不需要或需要少量研究者的先验知识，而是通 过统计大量样本得到一个判别规则 缺点：需要采集数量很大的学习样本才能够得到具有普遍意义 的分类器，否则往往分类正确性很低。 基本方法：主成分分析与特征脸、神经网络方法、支持向量机、 隐马尔可夫模型、Adaboost 算法
1.1基于知识的人脸检测方法 缺点：如鲁棒性（稳定性）不高，需要先验知识等等。 优点：检测时间短、学习过程简单、通用性较强。 基于知识的一些简单方法，有模板匹配、人脸特征、形状与边 缘、纹理特性等。 1.1.1模板匹配 模板匹配是指对模板图像与目标图像相同位置的像素灰度 值或颜色值进行比较，并计算各灰度差或颜色差的总和。分为 固定模板方法和变形模板方法。 固定模板方法在早期的人脸检测系统中较常见。 变形模板方法建立了一个描述人脸特征(如双眼)弹性模型，检测 时由能量函数使输入图像的对应点与弹性模板相应的边缘、峰 和谷区域相匹配。
1.1.2人脸特征 该方法首先提取出人脸图像特征，然后根据人脸中各器官的几何 特征来确认人脸的存在。 （1）可以利用几何、空间、灰度等特征对人脸进行粗定位，将 人脸的几何关系用树型结构表示，并计算出概率属性，作为判断 是否为人脸的条件。 （2）运用似然估计，把人脸的匹配看作是五种特征(两眼、两个 鼻孔、鼻嘴交汇处)的随机图像匹配，并找出与人脸模式的最大 相似度。
人脸检测
1.人脸检测主要方法
总体来说，目前的人脸检测方法可分为基于知识和基于统计 两种。 基于知识：基于知识的方法主要利用先验知识将人脸看作器 官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征 以及相互之间的几何位置关系来检测人脸。 基于统计：基于统计的方法则将人脸看作一个整体的模式—— 二维像素矩阵，从统计的观点通过大量人脸图像样本构造人脸 模式空间，根据相似度量来判断人脸是否存在。在这两种框架 之下，发展了许多方法。