冯小建，马明栋，王得玉

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.南京邮电大学 地理与生物信息学院，江苏 南京 210003)

0 引 言

人脸检测是人脸识别技术的重要组成部分和关键技术基础。作为人脸信息处理中的一项关键技术，人脸检测技术在基于内容的检索、数字视频处理、视觉监测、身份验证、安全监测等方面有着重要的应用价值[1]。随着社会对人脸检测技术的需求越来越多，应用越来越广泛，针对人脸检测技术的研究也越来越深入。Viola和Jones共同提出的Viola-Jones检测器对Adaboost算法训练出的强分类器进行级联，极大提高了人脸检测的效率和准确率，受到了广泛的关注[2]。最初的Adaboost算法采用几种简单的Haar-Like矩形特征，用积分图的方法快速计算特征值，再将训练的最优弱分类器组合成强分类器，然后将强分类器级联便构成了Haar分类器。

虽然Viola-Jones检测器相比之前的各种人脸检测器有着更加优越的性能，但在实际应用中还是存在检测效率和准确率不足等问题[3]。因此，有必要对Haar分类器进行进一步的研究与优化。文中系统采用肤色检测技术对传统的Adaboost算法进行改进。肤色检测排除了绝大部分非人脸区域，有效提高了人脸检测系统的效率。由于传统的Haar-Like矩形特征会产生大量的特征值，导致训练过程效率太低，文中提出的两种新型Haar-Like特征，降低了训练过程所耗的时间，而且新特征符合人脸器官特征，提高了检测率和虚警率，对系统的综合性能进行了有效的优化。……