刘志波，周石琳，闫军伟

(1.国防科学技术大学电子科学与工程学院，长沙 410073;2.武警石家庄士官学校通信二系，石家庄 050050)

随着计算机和现代传感技术的发展，人机交互技术日益成为人工智能领域中的研究热点，其中人脸检测已成为计算机视觉中一个备受关注的研究方向，在视频监视、人机交互、人脸识别等应用中起着非常重要的作用。人脸检测就是确定输入图像中是否存在人脸，如果存在则定位出每个人脸的位置、大小以及姿态。

目前，人脸检测方法大致可分为4类:基于知识的方法、基于特征不变量的方法、模板匹配方法和基于表象的方法［1－2］。其中基于特征不变量法和基于表象的方法较为常用。基于特征不变量法立足于不随光线、表情、视角等变化的结构特征，例如肤色、脸部特征纹理等［3］，此方法主要用在人脸定位上。通常来说这种方法处理速度较快。缺点是由于噪声和遮挡等使图像特征被破坏，人脸的特征被弱化，可能使得检测算法的性能下降甚至失效。基于表象的方法的主要思想是学习大量的人脸样本，从而抓住人脸的典型表象来实现人脸的检测，如神经网络、支持向量机(SVM)、Ada-Boost算法等［4－5］。其中基于 AdaBoost学习算法的人脸检测方法实现了实时的正面人脸检测，并且能达到较高的检测率和较好的实时性，因此在实际中得到了广泛运用。但该方法由于需要对所有可能的检测窗口进行穷举搜索，所以计算复杂度很高，而且在训练过程中存在过增益现象［6］。……