朱国华，徐 昆

(江汉大学人工智能学院，湖北 武汉 430056)

1 概述

人脸检测问题源自于人脸识别，人脸识别是当今最为有效和最受欢迎的验证手段之一，被广泛应用于手机，电脑，门禁等设备上。随着人脸识别被广泛地应用，人脸检测也开始作为一个单独的问题被重视起来。一般情况下，人脸检测系统面临的使用情形复杂，它必须能够在不同的环境识别出人脸，这要求它在有着较高识别率之外还必须能够对不同的环境进行适应。目前人脸检测与人脸识别相关的技术被用在各种领域，它在信息检索、目标监测，目标追踪，自动驾驶等方面也有着重要的学术价值与应用价值[1]。

HOG是目标检测领域中的常用算法，它通过计算图像的梯度方向与大小，从而获得图像关于梯度的统计描述子。算法具有光照不变性，平移不变性和旋转不变性等特点[2]。在它们基础之上而改进的算法，如：文献[3]中通过内嵌一个支持向量机(SVM)分类器的HOG特征提取归一化模块，来提高行人检测的准确性和计算效率；文献[4]中通过人体目标图像的局部二值模式(LBP)与HOG分层融合的GEI识别算法，来提高再步态识别上的检测识别率。可以说，HOG以及基于它之上而改进的算法在目标检测等领域中有着非常重要的位置。

随着深度学习模型AlexNet在ImageNet比赛中夺冠，各种深度学习模型被应用于人脸检测等计算机视觉问题上[5]。深度学习算法通过卷积神经网络对图像进行扫描，具有很好的平移不变性和尺度不变性，如：R-CNN、Fast-RCNN等[6]。……