【正文】 。此原理分析顯示了平均全臉模型法能夠有效地減少模板的局部密度的不確定性。實(shí)驗(yàn)結(jié)果表明此方法還適用于在大角度拍下的側(cè)臉圖像，這大大增加了側(cè)臉檢測的準(zhǔn)確性。 I. 介紹 近幾年，在圖像處理和識別以及計算機(jī)視覺的研究領(lǐng)域中，人臉識別是一個很熱門的話題。人臉檢測的主要目的是為了確定圖像中的信息，比如，圖像總是否存在人臉，它的位置，旋轉(zhuǎn)角度以及人臉的姿勢。而且，根據(jù)人臉器官的密 度或顏色的固定布局，我們可以判定是否存在人臉。 這種基于模板匹配的人臉檢測法是選擇正面臉部的特征作為匹配的模板，導(dǎo)致人臉?biāo)阉鞯挠嬎懔肯鄬^大。所以我們可以選擇半邊正面人臉模板，也就是說，選擇左半邊臉或者有半邊臉作為人臉匹配的模板，這樣，大大減少了人臉?biāo)阉鞯挠嬎?。為了減少模板局部密度的不確定性，構(gòu)建人臉模板是基于大眾臉的信息，例如，平均的眼 睛模板，平均的臉型模板。 在模板的仿射變換的實(shí)例中，人臉檢測的有效性可以被確保。 Tongfeng Sun。 Li Wang。 Instruments, 2020. ICEMI 39。 在構(gòu)建模板之前，挑選些有正面人臉的圖片。然后，在圖像中手動挑選人臉區(qū)域。因?yàn)槿四槄^(qū)域的矩陣向量都是被獨(dú)立分布的，所以在那些人臉圖像相同位置的像素值也是獨(dú)立 分布的。所以模板局部密度的不確定性大大降低了。 的情況下， 120張人臉 圖像被取樣，包含正面的，左側(cè)傾斜 30176。每種角度的圖像都是 40張。被抽樣的圖像如 圖 1 所示。 左側(cè)傾斜 45176。這些圖像的分布特征可 以作為檢測人臉存在的根據(jù)。這種方法可以排除異常區(qū)域和非人類特有物的影響，比如帽子，胡須等。每張圖像都是 22 26 像素。所以模板不能太寬。通過 16張正面人臉模板，正面的平均全臉模板就可以被構(gòu)建出來。所以正面的全臉模板可以被中心對稱軸分成左臉模板和右臉模板。此外，平均半臉模板可以根據(jù)平均全臉模板的原理來構(gòu)建。方法如 圖 5 所示。事實(shí)上，在一張人臉圖像中左臉和右臉存在一些差異，兩半邊臉的器官 密集度的分布也不是完全對稱的，所以相似性就降低了。圖中實(shí)線框內(nèi)是被檢測出的左臉，接著根據(jù)左臉模板來檢測右半邊臉的位置。 圖 6：被檢測出來的可能是半邊臉的位置 IV. 判別函數(shù) 在實(shí)驗(yàn)中，圖像中半邊臉被檢測出來是運(yùn)用了模板匹配的方法。被選擇的平均半臉模板在被檢測的圖像上到處搜索。如果在某些位置，相似度方程的值大于 閾值 ，那么我們就認(rèn)為這班別臉的圖像相似于 平均半臉模板。一些不同的子塊影像的圖像相似度值也許與其他的一樣，盡管如此，它們還是屬于不同的字塊圖像。此方法具體可以描述如下： 假設(shè)半臉模板 T的長度是 I，寬是 J，如圖四所示。假設(shè)被檢測的圖像的長度是 L，寬是 W，當(dāng)模板為放在 (m,n)時，子塊圖像在圖像中相對應(yīng)的 位置為 。 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。 ? ? ? ?jiTjiiijjnmP ,1 1, ?? ?? ?表示模板 T與子塊 圖像 的相關(guān)系數(shù)。 ? ?? ???? ?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。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， 。 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)。所以，半邊臉模板檢測方法可以省一半的時間。計算結(jié)果分別是 ， 和 。所以左臉對于右臉的密集度冗余很大。 和 45176。準(zhǔn)確檢測的結(jié)果如 圖 7 顯示。 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?？傄墓浪銣?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。 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。 或者 45176。而且在全臉模板里很難找到能夠匹配右臉的信息。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。所以相似度也隨之降低了。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。 (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。人臉模板的密集冗余就大大減少了。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。 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 in