一种基于知识的快速人脸检测方法

为了提高人脸检测的速度，提出了一种基于知识的快速人脸检测方法，该方法是采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析了足够多的人脸图象样本的基础上，针对人脸图象的灰度和边缘信息，建立了一种较为完备的知识库；为加快检测速度，该方法采用多级检测步骤，即在粗检测中，根据眼睛的特征，提出并采用一种新的人脸粗检测算法-广义几何投影方法，从而明显地提高了检测速度，实验结果表明，该方法具有较强的鲁棒性，能够很好地解决复杂背景下的多人脸检测问题，由于该方法实现的简单性，并容易由硬件实现，使得检测速度进一步提高，因此该方法在可视电话等领域有着广阔的应用前景。     

基于区域分割的复杂背景中人脸检测与定位

基于区域分割和特征验证，提出了一种复杂背景下的人脸检测和定位方法。在粗略定位人脸的基础上，提出了一种新颖简单的区域分割方法，有效地定位出人脸的候选区域，通过检测眼睛和嘴唇完成对人脸的确认。实验证明该方法检测速度快，准确率高，具有较好的鲁棒性。     

基于肤色信息的实时人脸跟踪方法

提出一种基于人脸检测与肤色信息相结合的人脸实时跟踪方法。该方法先用Adaboost算法进行人脸检测，在此基础上，CAMSHIFT算法跟据人脸肤色信息实现对人脸的自动跟踪。实验表明，该算法具有快速、鲁棒的特点，能够满足实时系统的需要。     

一种基于可疑人脸区域发现的人脸检测方法

本文提出了一种基于可疑人脸区域发现的人脸检测算法，利用通常情况下眼睛区域比周围区域暗的事实发现可疑人脸区域，然后使用到特征空间的距离(DFFS)方法验证人脸。实验表明本算法具有较高的检测精确度。文中重点介绍了该人脸检测算法，给出了实验结果。     

基于新颜色空间YCgCr的人脸检测与定位

提出了一种基于肤色的复杂背景彩色图像中人脸检测的方法。首先在新颜色空间YCgCr上对输入图像进行肤色检测并应用预处理技术缩小人脸检测的搜索区域；然后在物体区域方向计算的基础上，提出了能够检测任意旋转角度人脸的方法；最后对人脸候选区域采用模板匹配方法检测人脸，去除非人脸区域，降低误检率。实验结果表明，提出的方法对不同尺寸、任意旋转的人脸有较好的检测效果。     

基于奇异值分解和支持向量机的人脸检测

人脸检测在自动人脸鉴别工作中具有重要的意义。由于人脸图像特征的复杂性和多样性，使得人脸模式分类器的训练十分困难。本文提出了一种基于支持向量机（SVM）的人脸检测算法，使用了奇异值分解对训练样本进行特征提取，再由SVM分类器进行分类，有效的降低了训练难度，采用二阶多项式作为SVM分类器的核函数，实验结果表明，该方法是十分有效的。     

基于差影法粗分割与多模板匹配的人脸检测

提出了基于差影法粗分割与多模板匹配的人脸检测方法。首先利用差影法分割出可能包含人脸的区域；然后使用双眼模板进行粗筛选，进一步减小可能人脸的搜索范围；最后利用人脸模板和灰度规则进行匹配和验证。此方法具有较强的鲁棒性和可扩展性，减少了运算量，降低了误检率，提高了检测系统的综合性能。     

人脸检测与检索

研究了将人脸作为一种特殊的图像内容进行检索的问题；采用基于Adaboost统计学习方法的层叠分类器检测人脸，再用非线性SVM分类器验证人脸；实现了在大规模的复杂背景图片集合中高速准确的人脸定位；为了将找到的人脸规范化，借鉴直接表观模型(direct appearance model)，提出了一种新的特征检测和人脸校正方法．该方法基于对大量数据的统计学习过程，具有良好的扩展性和稳定性；在此基础上．采用SVM分类器实现了人脸检索；最后，通过实验说明了整个方法的有效性．     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题，且精度较高。     

基于肤色模型和贝叶斯判别的人脸检测

构造了一个彩色图片的正面人脸检测系统。首先利用肤色在YCbCr空间中沿Y方向的集中分布特性构建肤色信息库，根据该信息库在图像中检测出肤色区域；然后在肤色区域利用贝叶斯特征判别方法进行正面多尺度人脸检测。另外，定义了一些启发式搜索规则，有效地加快了人脸目标的搜索速度。实验证明, 用较少的样本进行训练的人脸检测系统，对有复杂背景、多样化的测试集具有较好的测试效果。     

基于YCgCr颜色空间的不良图像肤色检测

针对目前互联网图像内容过滤系统识别率低的情况,提出了一种基于YCgCr空间的不良图像肤色检测方法。首先检测图像中可能存在的人脸区域,利用人脸肤色像素来检测获得人体肤色,其次对不含人脸图像,则利用离线构建的肤色模型来实现肤色检测。实验结果证明,在不同光照以及复杂背景下,该算法能够较好地提高不良图像的肤色检测率和背景检测率。     

基于脸部信息和支持向量机的人脸检测

人脸检测是一个复杂而又非常有意义的模式识别问题。针对目前人脸检测算法于速度和精度不能兼优的问题，提出了一种基于脸部信息及支持向量机的人脸检测方法。算法首先利用肤色模型进行人脸粗检，然后根据人脸几何特征进行筛选，最后通过奇异值分解输入支持向量机分类。实验结果表明，该方法是十分有效的。     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间，利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点，将人脸从复杂背景中初步检测出来。在此基础上，采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析足够多的人脸图像样本的基础上，针对人脸图像的灰度和边缘信息，建立了一种较为合适的知识库。实验结果表明，该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

OptiFuzz: a robust illumination invariant face recognition system and its implementation

Vision-based human face detection and recognition are widely used and have been shown to be effective in normal illumination conditions. Under severe illumination conditions, however, it is very challenging. In this paper, we address the effect of illumination on the face detection and the face recognition problem by introducing a novel illumination invariant method, called OptiFuzz. It is an optimized fuzzy-based illumination invariant method to solve the effect of illumination for photometric-based human face recognition. The rule of the Fuzzy Inference System is optimized by using a genetic algorithm. The Fuzzy’s output controls an illumination invariant model that is extended from Land’s reflectance model. We test our method by using Yale B Extended and CAS-PEAL face databases to represent the offline experiments, and several videos are recorded at our campus to represent the online indoor and outdoor experiments. Viola–Jones face detector and mutual subspace method are employed to handle the online face detection and face recognition experiments. Based on the experimental results, we can show that our algorithm outperforms the existing and the state-of-the-art methods in recognizing a specific person under variable lighting conditions with a significantly improved computation time. Other than that, using illumination invariant images is also effective in improving the face detection performance.     

一种多视角人脸检测方法

目前的人脸检测方法多是针对正面人脸,而对于多视角人脸检测还存在很大困难,有效的方法还不多。本文考虑到人脸检测中旋转人脸和侧面人脸两种多视角情况,提出了一种多视角人脸检测方法。针对平面内旋转的问题,在YCbCr色彩空间内建立肤色模型,经过处理确定人脸椭圆区域,利用基于灰度加权的主成分分析算法进行人脸的角度校正,得到偏转校正后的人脸图像。针对侧面人脸的问题,通过上下和左右2个方向的人脸旋转样本库来训练分类器,然后组合成并联分类器,再对偏转校正后的人脸图像进行人脸验证。实验结果表明,该方法可以对任意视角的人脸进行有效的检测,且有较高的检测率。     

基于帧间差异的人脸篡改视频检测方法

近几年,随着计算机硬件设备的不断更新换代和深度学习技术的不断发展,新出现的多媒体篡改工具可以让人们更容易地对视频中的人脸进行篡改。使用这些新工具制作出的人脸篡改视频几乎无法被肉眼所察觉,因此我们急需有效的手段来对这些人脸篡改视频进行检测。目前流行的视频人脸篡改技术主要包括以自编码器为基础的Deepfake技术和以计算机图形学为基础的Face2face技术。我们注意到人脸篡改视频里人脸区域的帧间差异要明显大于未被篡改的视频中人脸区域的帧间差异,因此视频相邻帧中人脸图像的差异可以作为篡改检测的重要线索。在本文中,我们提出一种新的基于帧间差异的人脸篡改视频检测框架。我们首先使用一种基于传统手工设计特征的检测方法,即基于局部二值模式（Local binary pattern,LBP）/方向梯度直方图（Histogram of oriented gradient,HOG）特征的检测方法来验证该框架的有效性。然后,我们结合一种基于深度学习的检测方法,即基于孪生网络的检测方法进一步增强人脸图像特征表示来提升检测效果。在FaceForensics++数据集上,基于LBP/HOG特征的检测方法有较高的检测准确率,而基于孪生网络的方法可以达到更高的检测准确率,且该方法有较强的鲁棒性;在这里,鲁棒性指一种检测方法可以在三种不同情况下达到较高的检测准确率,这三种情况分别是：对视频相邻帧中人脸图像差异用两种不同方式进行表示、提取三种不同间隔的帧对来计算帧间差异以及训练集与测试集压缩率不同。     

基于灰度信息和瞳孔滤波器的人眼定位算法

提出一种新的人眼定位方法,首先用Adaboost算法检测人脸区域,经过归一化和预处理后截取出人眼检测窗,然后利用眼眉的灰度信息确定人眼的大致位置,再利用瞳孔滤波器以精确定位。该方法解决了将眼睛错误定位到眉毛的问题,速度快而且定位准确。实验结果表明,无论是用于背景复杂的静态图像还是实时人脸检测系统,该算法都能取得很好的定位效果。     

人脸检测及分割方法研究

人脸检测和分割是进行人脸分析和识别的重要组成部分,其目的是从复杂背景图像中检测出人脸的位置,并把人脸分割出来。虽然人们可以毫不困难地在复杂背景中检测和识别出人脸,但是要建立一套完全自动化的人脸和识别系统却是非常困难的。近年来随着计算机技术和图像处理方法的不断发展,出现了各种不同的人脸检测方法。应用了一种基于YIQ颜色模型的人脸检测方法,并且利用惯量最小化原理进行人脸图像的姿态调整,然后进行分割提取。试验结果表明,该方法能较好地从复杂背景中检测出人脸区域并能较完整地分割出人脸。     

基于模板匹配与支持矢量机的人脸检测

人脸检测是人脸识别与基于内容的图像及视频检索的一项重要任务。由于非人脸样本相对于人脸样本的多样性和复杂性，使得人脸模式分类器的训练十分困难。该文提出了一种将模板匹配与支持矢量机（SVM）相结合的人脸检测算法。算法首先使用双眼－人脸模板对进行粗筛选，然后使用SVM分类器进行分类。在模板匹配限定的子空间内采用“自举”方法收集“非人脸”样本训练SVM，有效地降低了训练的难度，实验结果的对比数据表明，该算法是十分有效的。