王 艳，祁 萌

(成都工业学院 电子工程学院，四川 成都 610031)

1 引 言

人脸检测是指在一幅给定的图像中，采用一定的方法找出所有人脸的位置、大小和姿态[1-2]。随着电子商务和现代成像技术的快速发展，自动人脸检测技术已经广泛应用到除人脸识别外的其他应用领域，如面部表情分析、性别/年龄识别、图像视频搜索、人机交互系统、3D显示等应用领域。虽然人类可以非常容易地完成人脸检测、面部表情识别等，但是基于人脸图像分析的自动人脸检测技术却是一项复杂且及具挑战性的问题。自上世纪60年代人脸识别研究开始以来，人脸检测技术已发展了很长一段时间，但是现有的检测技术仍然面临很多问题，具体原因在于：(1)成像环境复杂；(2)人脸表情、姿态的多变性；(3)人脸遮挡等。

目前，国内外针对人脸检测的研究很多，常见的人脸检测方法有特征分析法[3-7]、模板匹配法[8-10]、SVM模型[11]、AdaBoost算法[12]、深度学习[13]等。基于知识规则的特征分析法主要包括3种：人脸形状轮廓、纹理以及肤色，其中肤色特征是人脸的显著性特征之一，且实际应用中采集图像多为彩色图像，因此基于肤色特征的人脸检测应用更为广泛。

机器学习作为一种特别适合涉及智慧问题的技术，近年来被引入目标检测、图像识别领域。神经网络作为机器学习的一个模型，已经被广泛地使用[14-19]。近年来，随着人工智能的快速发展，学习矢量量化(Learning Vector Quantization，LVQ)神经网络[20-23]逐渐受到广大学者的青睐。LVQ神经网络结构简单，只通过内部单一的相互作用就可以完成十分复杂的分类处理，也很容易将设计域中的各种繁杂分散的设计条件收敛到结论上来。……