【導(dǎo)讀】種方法是以主要成分分析技術(shù)為基礎(chǔ)的。一個膚色模型和一些動作信息。然后，使用PAC技術(shù)檢。測這些被檢驗(yàn)的區(qū)域，從而判定人臉真正的位置。用于人臉跟蹤的攝像控制器以這樣的方法工作：利。用平衡/平臺，把被檢測的人臉區(qū)域控制在屏幕的中央。還可以擴(kuò)展到其他的系統(tǒng)中去，例如電信會議、入侵者檢查系統(tǒng)等等。在上面提到的許多系統(tǒng)中，人臉的檢測喝跟蹤視必不可缺的組成部。一般來說，根據(jù)跟蹤角度。有一部分人把人臉跟蹤分為基于識別的跟蹤。主要對象的邊界線。然而，因?yàn)楸桓櫟膶ο蟊仨氃谏屎凸庹諚l件下顯示出明。此外，當(dāng)一幅圖像的。題，且研究都傾向于跟蹤未經(jīng)證實(shí)的人臉，例如臂和手。利用兩副連續(xù)的幀，首先檢驗(yàn)人臉的候選區(qū)域，并利。分量向量來為人臉檢驗(yàn)問題服務(wù)。量當(dāng)作它們的相應(yīng)的最大特征值。－Wface||,||Wkcandidate－Wnonface||），其中Wkcandidate是訓(xùn)練（測試）特征空間中

　　

【正文】 此半邊臉完全與子塊圖像 一致。 把公式（ 3）展開后，得到 其中， ? ?? ?? ?? ?iijj jiPnm1 12, 是子塊 的能，被位于圖像 (i, j)位置的半臉模板所覆蓋。在到處搜索圖像的時候，它的值變化很慢。 ? ? ? ?jiTjiiijjnmP ,1 1, ?? ?? ?表示模板 T與子塊 圖像 的相關(guān)系數(shù)。當(dāng)模板 T與子塊圖像完全匹配時，相關(guān)系數(shù)達(dá)到最大值。 ? ?? ???? ?iijj jiT1 12, 是半臉模板 T的能，當(dāng)半臉模板被構(gòu)建完后，它的值就被確定了。它與子塊 的位置沒有任何關(guān)系。所以，模板 T 與子塊圖像的關(guān)聯(lián)系數(shù)和子塊 的能值的比率就是相似度值，如下： 簡化式子（ 5），得到式子（ 6） 其中， s(m,n) 是相似度， 。 判定半邊臉存在的規(guī)則如下：給定閾值 th，如果 s(m,n) th,那么總結(jié)為此半臉模板 T 相似于子塊圖像 ；如果 s(m,n)=1，那么半臉入班 T完 全與子塊圖像 匹配。 假設(shè) O(T)代表基于半邊臉模板檢測人臉的時間花費(fèi)， O(F) 代表基于全臉模板檢測人臉的時間花費(fèi)。計(jì)算方法如下： O(T) = I * J * ( L I ) * ( W J ) (7) O(F) = 2I * J * ( L 2I ) * ( W J ) (8) O(T) t 與 O(F) 的比值如下 ? ?? ? ? ? ? ?? ? ? ? IL ILJWILJI JWILJIFO TO 4222 ???????? ?????? (9) 當(dāng) L 的值大大超過 I值時，方式（ 9）的值接近 1/2， 也就是說，基于半邊臉模板檢測人臉的時間花費(fèi)是全臉模板方法的 1/2。所以，半邊臉模板檢測方法可以省一半的時間。 V. 實(shí)驗(yàn)結(jié)果 正如圖五顯示的平均半臉模板，左臉與左臉，右臉與右臉，左臉與右臉的相似度都是通過式子（ 6）計(jì)算得出。計(jì)算結(jié)果分別是 ， 和 。實(shí)驗(yàn)結(jié)果是相同半邊臉的相似度值很高，不同半邊臉是相似的一對。所以左臉對于右臉的密集度冗余很大。 人臉檢測的實(shí)驗(yàn)中，利用左半臉模板來檢測正面人臉圖像 ，左偏 30176。 和 45176。的圖像。準(zhǔn)確檢測的結(jié)果如 圖 7 顯示。此外，作為對比，同時做了基于平均全臉模板的檢測實(shí)驗(yàn)，結(jié)果如 圖 8 所示。 圖 7： 基于半邊臉模板的人臉檢測實(shí)驗(yàn)結(jié)果 圖 8： 基于平均全臉模板的人臉檢測實(shí)驗(yàn)結(jié)果 在人臉檢測實(shí)驗(yàn)中，準(zhǔn)確的人臉檢測比率是非常總要的估算準(zhǔn)則，描述如下 40張正面人臉圖像， 40 張左側(cè)偏離 30176。 的人臉圖像， 40 張左側(cè)偏離 45176。 的人臉圖像。表格 1中是被準(zhǔn)確檢測的人臉的數(shù)目和檢測比率。 表格 1中結(jié)果可以總結(jié)如下： (1) 正面圖像的人臉檢測準(zhǔn)確率很高，因?yàn)槠骄樐０迨歉鶕?jù)一系列的正面人臉圖像 而構(gòu)建的，平均半邊臉模板是根據(jù)平均全臉模板的原理而都建的，這兩者都表現(xiàn)了人臉的特征。 (2) 當(dāng)利用平均全臉模板在圖像中檢測的人臉傾斜，比如左傾斜 30176。 或者 45176。 ，檢測的準(zhǔn)確率就很快地下降了，因?yàn)楫?dāng)左臉傾斜時，右臉的很多信息丟失了。而且在全臉模板里很難找到能夠匹配右臉的信息。 (3) 當(dāng)根據(jù)平均半邊臉模板檢測側(cè)臉時，準(zhǔn)確率會相對高一點(diǎn)。主要是因?yàn)槟樝蜃髠?cè)傾斜 時，左臉并沒有丟失很多信息，以至于她們可以很好地與平均半臉模板匹配。 然而，人臉偏離的角度過大，檢測的準(zhǔn)確度也會大大下降，這主要是因?yàn)樵谌四槇D像取樣的過程中，正臉的成 像從三維空間變成了二維空間，這樣不僅損失了人臉圖像位置的深度信息，而且嚴(yán)重地改變了臉上器官的位置。所以相似度也隨之降低了。 VI. 總結(jié) 平均 人臉模板是根據(jù)臉部特有的特征這一原理構(gòu)建的。人臉位置是根據(jù)人臉模板與不同角度的人臉的相似度來判斷的。下面是理論分析和實(shí)驗(yàn)的結(jié)果：眼睛，耳朵，鼻子，嘴巴和部分臉頰是構(gòu)建人臉模板的必要部分，它們的密集分布特征是作為人臉檢測的依據(jù)。 (1) 平均人臉模板大大減少了局部特征器官的密集信息的不確定性。在平均全臉模板的基礎(chǔ)上，平均半臉模板能夠通過臉上器官位置的對稱性構(gòu)建出來，然后后半邊臉就可 以直接被檢測出來。人臉模板的密集冗余就大大減少了。 (2) 通過基于模板匹配法的人臉檢測的時間復(fù)雜性的分析，半臉模板相對于全臉模板的價值更適用于實(shí)際。半臉模板能夠節(jié)省一半的時間，所以檢測的數(shù)獨(dú)就可以提高。 (3) 平均半臉模板可以適用于較大角度側(cè)斜的人臉圖像，人臉檢測的準(zhǔn)確率也有顯著地提高。 參考文獻(xiàn)： [1] H Erik. “Face Detection: A Survey”. Comput. Vis. Image. Und., Vol. 83, pp. 236274, 2020. [2] L H Liang, H Z Ai, G Y Xu, et al. “A Survey of Human Face Detection”. Chinese. J. Comput. , Vol. 25, No. 5, pp. 449458, 2020. [3] N Sun, C R Zou, L Zhao. “Face detection: a survey”. J. of Circuits and Systems. Vol. 11, No. 6, pp. 101113, 2020. [4] M H Yang, D J. Kriegman, N Ahuja. “Detecting Faces in Images: A Survey”. IEEE Trans. on Pattern. Anal. Mach. Intell., Vol. 24, No. 1, pp. 3458, 2020. [5] Zhong Jin, Zhen Lou, Jingyu Yang, et al. “Face detection using template matching and skincolor information”. Neuroputing., Vol. 70, pp. 794800, 2020. [6] J Mey, V Popovici, J P Thiran. “Face detection with boosted Gaussian features”. Pattern. Recogn., Vol. 40, pp. 2283–2291, 2020. [7] L L Huang, A Shimizu. “Amultiexpert approach for robust face detection”. Pattern Recogn., Vol. 39, pp. 1695–1703, 2020. [8] L H Liang, H Z Ai, K Z He, et al. “Single Rotated Face Location Based on Affine Template Matching”. Chinese J. Comput., Vol. 23, No. 6, pp. 640–645, 2020. [9] T Sergios, K Konstantinos. Pattern Recognition(Third Edition).Elsevier Inc. . 2020. 外文原文二 Face Detection Based on Half Facetemplate2 Abstract – Face detection in the image is an important researchbranch of face recognition. For the purpose of detecting thefaces in images efficiently, a face detection method based onhalf facetemplate is proposed. According to the character ofdensity of the feature or gans such as eye, ear, nose, mouth, part of cheek in the face images, the obverse average full facetemplate is constructed. And the obverse average half facetemplate is constructed directly based on density symmetry of facetemplate. The face detection experiments in the images were carried on using the method of template matching and determine the position of the face in the image according to parability. The theory analysis shows that the average facetemplate can reduce the chanciness of local density of the template effectively and the half facetemplate can reduce the symmetry redundancy of density in the facetemplate and increase the speed of face detection. The experimental result indicates that the half facetemplate can adapt to side face images in a large angle, which improves the correctness of side face detection substantially. Keywords – full facetemplate, half facetemplate, template matching, parability, side face. I. INTRODUCTION Face recognition is the hot topic in the research field of image processing and recognition and puter vision in recent years. As one of the important steps of face recognition, face detection has been an extensive research field. The main purpose of face detection is to determine the information such as whether there exists face and the position, the rotation and the pose of the face in the image. According to the different features of the face, the method of face detection varies [14]. And according to the fixed layout of the color or the density of face organ, we can determine whether there exists a face. So the method based on skin color models and template matching is the important research direction of face detection[57] The face detection method based on template matching chooses full face feature as the matched template, with which the burden of puting of face search is relatively large. However, most human faces are symmetry obviously. So we can choose half of the full facetemplate that is choosing the left half face or the right half face as the template of face matching which can reduce the burden of puting of face search. II. FACE TEMPLATE CONSTRUCTING METHOD The quality of template immediate