硬核科普：人脸识别系统 帮你把脸刷明白(5)

03 基于AdaBoost分类器的人脸检测

经典的人脸检测算法流程图如下： 图9 经典的人脸检测算法流程图 图片中人脸可能出现在任何位置，所以在检测时用固定大小的窗口以一定的步长对图像从上到下、从左到右扫描，这称为滑动窗口技术（sliding window）。另外为了检测不同大小的人脸，还需要对图像进行缩放来构造图像金字塔，对每张缩放后的图像都用滑动窗口技术进行扫描。 图10 滑动窗口+图像金字塔(图片来自网络) 得到图像子窗口后，提取相应的特征描述子。实际检测使用比较多的特征描述子是2001年Viola和Jones提出的 Haar-like特征[7]。图11是Haar-like特征的示意图。Haar-like特征是白色矩形框内的像素值之和，减去黑色区域内的像素值之和。这种特征捕捉图像的边缘、变化等信息，各种特征描述在各个方向上的图像变化信息。人脸的五官有各自的亮度信息，非常符合Haar-like特征特点。 图11 基本Haar-like特征的示意图[7] 由于采用了滑动窗口扫描技术，并且要对图像进行反复缩放扫描，得到的图像非常多，而绝大部分窗口都是背景，即人脸是一个稀疏事件，如果能快速的背景图像子窗口排除掉，则能大大提高目标检测的效率。所以采用AdaBoost这样的级联分类器进行人脸检测。这种思想的精髓在于用简单的弱分类器在初期快速排除掉大量的非人脸窗口，同时保证高的召回率，最终能通过所有级弱分类器的窗口即认为包括人脸。图12是分类器级联进行判断的示意图： 图12 AdaBoost级联分类器示例[7]：三个臭皮匠顶一个诸葛亮

04 基于深度学习的人脸检测