鲍小如，陈 瑞，曹雪虹，焦良葆

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.南京工程学院 通信工程学院，江苏 南京 211167；3.南京工程学院 康尼机电研究院，江苏 南京 211167)

0 引 言

人脸检测一直是图像处理与模式识别中的研究热点，现已广泛应用于智能监控、手机拍照、个人身份识别等领域。人脸检测算法层出不穷，大致可分为以下3大类[1]：肤色分割法、提取几何特征法和统计理论的方法。基于肤色分割[2-5]的人脸检测算法利用的是彩色图像中人脸肤色与非人脸之间的差别。该类算法虽然因其原理简单而较容易实现，且可以满足实时检测的要求，但是检测效果易受光照和类肤色的影响。基于几何特征的方法中最常用的是基于模板匹配的人脸检测方法[6-8]。它从大量的人脸图像中训练出统一的人脸模板，然后在检测区域中寻找与该模板最相似的区域，即确定为人脸区域。但精确的人脸模板较难实现，因为人脸间的差异颇大，另一方面人脸姿态的不统一也使得检测效果不理想。基于统计理论的人脸检测算法中应用最广的是Viola-Jones提出的AdaBoost方法[9]。该方法的特征选择是在积分图像上完成的，首先选择特征构建弱分类器，采用“级联”的方式一步步地构建强分类器。该算法推出了一种人脸检测框架，极大地提高了人脸检测的速度和准确率，但对不端正人脸检测时，检测率不高。

近年来视觉显著性发展相当迅速，自Koch和Ullman[10]提出所谓的生物启发模型后，学者们开启了视觉显著性的研究与探索。……