计算机视觉应用开发课件：人脸检测

人脸检测人脸检测概述01任务人脸检测方法02任务人脸检测评价指标03任务学习目标掌握人脸检测的基本概念掌握人脸检测的方法掌握人脸检测的评价指标1人脸检测概述1人脸检测概述从问题的领域来看，人脸检测属于目标检测领域，目标检测通常有两大类：通用目标检测：检测图像中多个类别的目标，比如ILSVRC2017的VID任务检测200类目标，VOC2012检测20类目标，通用目标检测核心是n(目标)+1(背景)=n+1分类问题。这类检测通常模型比较大，速度较慢。特定类别目标检测：仅检测图像中某一类特定目标，如人脸检测，行人检测，车辆检测等等，特定类别目标检测核心是1(目标)+1(背景)=2分类问题。这类检测通常模型比较小，速度要求非常高。从发展历史来看，深度学习在其中的作用非常明显：非深度学习阶段：此阶段的人脸检测主要有两个应用于人脸的特征，Haar特征和Hog特征，提取特征后在由分类器分类。深度学习阶段：和目标检测相同，应用于目标检测的算法也适用于人脸检测。2人脸检测方法人脸检测方法机器学习中基于Haar特征和Hog特征实现人脸检测任务2Haar特征：也称Haar-like特征，分为四类：边缘特征、线性特征、中心特征和对角线特征，组合为特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。通过改变特征模板的大小和位置，可在图像子窗口中穷举出大量的特征。矩形特征可位于图像任意位置，大小也可以任意改变，所以矩形特征值是受矩形模版类别、矩形位置和矩形大小这三个因素的影响。故类别、大小和位置的变化，使得很小的检测窗口含有非常多的矩形特征。人脸检测方法2但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。对于图中的A,B和D这类特征，特征数值计算公式为：

。而对于C来说，计算公式如下：

，之所以将黑色区域像素和乘以2，是为了使两种矩形区域中像素数目一致。通常希望矩形放到人脸区域计算出来的特征值和放到非人脸区域计算出来的特征值差别越大越好，这样就可以用来区分人脸和非人脸。人脸检测方法2通过改变特征模板的大小和位置，可在图像子窗口中穷举出大量的特征。上图的特征模板称为“特征原型”，特征原型在图像子窗口中扩展（平移伸缩）得到的特征称为“矩形特征”，矩形特征的值称为“特征值”。图中即使用两个Haar矩形特征，表示出人脸的某些特征。比如中间一幅表示眼睛区域的颜色比脸颊区域的颜色深，右边一幅表示鼻梁两侧比鼻梁的颜色要深。同样，其他目标，如眼睛等，也可以用一些矩形特征来表示。使用特征比单纯地使用像素点具有很大的优越性，并且速度更快。人脸检测方法2Hog特征：Hog特征又叫方向梯度直方图特征（HistogramofOrientedGradient,HOG）。Hog特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。优点：（1）由于HOG是在图像的局部方格单元上操作，所以它对图像几何和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。（2）在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果。因此HOG特征是特别适合于做图像中的人体检测的。人脸检测方法2HOG特征提取方法就是将一个image（你要检测的目标或者扫描窗口）：（1）灰度化（将图像看作一个x,y,z（灰度）的三维图像）；（2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化），目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；（3）计算图像每个像素的梯度（包括大小和方向），主要是为了捕获轮廓信息，同时进一步弱化光照的干扰；（4）将图像划分成小cells（例如6×6像素/cell）；（5）统计每个cell的梯度直方图（不同梯度的个数），即可形成每个cell的descriptor；（6）将每几个cell组成一个block（例如3×3个cell/block），一个block内所有cell的特征descriptor串联起来便得到该block的HOG特征descriptor；（7）将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image（要检测的目标）的HOG特征descriptor了。这个就是最终的可供分类使用的特征向量了。3人脸检测的评价指标人脸检测的评价指标3评价人脸检测效果的好坏，常用三个指标：召回率，误检数和检测速度。召回率(recall)：检测器能检测出来的人脸数量的比例就是召回率recall。检测器检测出来的矩形框越接近人工标注的矩形框，说明检测结果越好，通常交并比IoU大于0.5就认为是检测出来了，所以recall=检测出来的人脸数量/图像中总人脸数量，其中交并比IoU=框与框的交集区域/框与框的并集区域。误检数(falsepositives)：通常用检测错误的绝对数量作为误检数falsepositives指标。与recall相对，检测器检测出来的矩形框与任何人工标注框的IoU都小于0.5，则认为这个检