detecting faces in images a survey( 翻译） - mqt_2003的专栏 - csdnblog.htm

这是一篇翻译的外国文章

<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">5</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">）图像的方位。人脸图像直接受视频光轴的不同旋转角度影响。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">6</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">）成像条件。当图像形成的时候，光照（光谱、光源分布、光密度）、摄像头特性（感应器，镜头）等因素会影响人脸的外观。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">人脸检测方面有很多相关的问题。人脸定位的目标是确定单张人脸在图像中的位置；这是一个简单的检测问题，它假设输入的图像只包含一张人脸〔文献〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">85</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕、〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">103</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕〕。人脸特征检测的目的是检测人脸特征的有无和位置，比如说眼睛、鼻子、鼻孔、眉毛、嘴巴、嘴唇、耳朵等的有无和位置，，其前提同样是假设图像中只有一张人脸（文献〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">28</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕、〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">54</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕）。人脸识别是将输入图像与数据库中的人脸图像进行比较，如果有匹配的，则报告匹配情况。人脸验证的是在输入图像中验证单个人的身份，而人脸跟踪是在一组实时图像中持续估计人脸的位置，如果有可能的话也包括估计人脸的方位（文献〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">30</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕、〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">39</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕、〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">33</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕）。人脸表情识别涉及确认人的感情状态（包括高兴、悲伤、厌恶等）（文献〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">40</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕、〔</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">35</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">〕）。显然，在任何解决以上问题的自动化系统中人脸检测是第一步。值得指出的是，很多论文用到了人脸检测这个词，但用到的方法和实验结果只表明了在输入图像中找到了单张人脸的位置。在这篇论文中，我们将人脸检测与人脸定位区分开来，因为后者只是前者一个简单问题。同时，我们把注意力集中在人脸检测方法上，而不是跟踪方法上。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">虽然已经提出了很多用来在单张黑白或彩色图像中检测人脸的方法，但是至今还没有针对这个特殊主题的调查报告。</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">Samal</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">和</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">Iyengar</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">写了一篇关于</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">1991</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">年前的早期人脸识别方法的调查报告，后来</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">Chellapa et al</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">写了一篇更晚一些关于人脸识别和一些检测方法的调查报告。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">在这些人脸检测方法中，基于学习算法的方法吸引了很多人的注意，并得到了一些很好的结果。因为这些基于数据的方法很大程度上依赖于训练集，我们要讨论一下合适的数据库。一个重要的问题是怎么样来评价这些检测算法。最近很多论文是通过比较几个方法来评价，经常涉及检测率和错误率。值得注意的是，很多衡量标准已经被用来评价算法，比如说学习时间、执行时间、训练过程中需要的样本数、检测率和报错率的比例。加之研究学者们对检测率和报错率有不同的定义，这使得评价变的更加重要。在这篇论文中，检测率被定义为机器与人正确识别人脸数之比。当整张人脸的一定大小包含于一幅图像时，且分类器判定该图像区域是一张人脸，则认为是正确的检测（详情见</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">3.3</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">节）。总的来说，检测器会犯两类错误：消极错误和积极错误。消极错误是指存在的人脸没有被检测到而造成检测率的下降；积极错误是指不是人脸的图像区域被认为是人脸被检测出来。一个好的评价方法需要把这两方面因素全部考虑进去，因为当调整参数提高检测率的同时其误检率也可能会提高。这篇论文中，我们讨论一种好的评价方法中的标准数据集和一些相关的问题。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">据报告可知，用于人脸检测方法的有</SPAN><SPAN 
lang=EN-US style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT 
face="Times New Roman">150</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">多种，人脸检测的研究对基于对象识别的机器视觉研究有更深层次的意义。在三维对象识别中，当强制性的在大范围镜头区域或光照条件下进行识别，几乎所有基于模型或外观的方法都受限于刚性对象。人脸识别可以被看成一个两类识别问题，即一个图像区域只能被判为人脸区域或非人脸区域。因此，人脸检测是从图像中识别出一类对象，而这类对象本身就有很多可变因素。这些可变因素可以通过大量训练样本集捕获，因此，人脸检测中的某些方法可以用于解决更广泛的类识别问题。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">人脸识别也对模式分类和学习机技术提出了挑战。如果直接将一张原始或经过过滤的图像作为模式分类器的输入，其特征空间的维数会相当大。一张图像是人脸还是非人脸，其特征是由多峰分布函数决定的，并且在图像中其有效决策边界往往是非线性的。为了达到高效，要么分类器能够从适量的训练样本中外推出判断结果，要么分类器能够有效地处理大量高维训练样本。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">为了对当前人脸检测方法作出全面而深刻地调查，本论文结构安排如下：在第二部分，我们对单张图像的人脸检测技术进行详细回顾；第三部分讨论基准数据库和评价标准；第四部分提出了人脸检测中有前途的几个研究方向。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 21.75pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">虽然在可能的情况下我们都会报告每种方法的出错率，但由于这些测试往往是在独特的数据集上进行的，因此对这些方法的比较比较困难。我们只指出那些在公共数据集上进行测试的方法。如不作特别声明，都假设使用的同一数据集。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><STRONG style="mso-bidi-font-weight: normal"><SPAN lang=EN-US 
style="FONT-SIZE: 12pt; mso-font-kerning: 0pt"><FONT face="Times New Roman">2 
</FONT></SPAN></STRONG><STRONG style="mso-bidi-font-weight: normal"><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">在单张图像中检测人脸</SPAN></STRONG><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan" 
align=left><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">这部分，我们回顾一下在单张黑白或彩色图像中检测人脸的一些方法。我们把对单张图像的检测分为四类，有些方法明显同时属于多于一个类，这些方法将在本部分的最后讨论。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt 39.75pt; TEXT-INDENT: -18pt; TEXT-ALIGN: left; mso-pagination: widow-orphan; tab-stops: list 39.75pt" 
align=left><SPAN lang=EN-US 
style="FONT-SIZE: 12pt; mso-font-kerning: 0pt; mso-fareast-font-family: 'Times New Roman'"><FONT 
face="Times New Roman">1</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt">）</SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">基于知识的方法。这些基于先验知识的方法对组成典型人脸的知识进行编码。通常，先验知识包含了这些人脸特征之间的相互关系。此类方法主要用于人脸定位。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt 39.75pt; TEXT-INDENT: -18pt; TEXT-ALIGN: left; mso-pagination: widow-orphan; tab-stops: list 39.75pt" 
align=left><SPAN lang=EN-US 
style="FONT-SIZE: 12pt; mso-font-kerning: 0pt; mso-fareast-font-family: 'Times New Roman'"><FONT 
face="Times New Roman">2</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt">）</SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">特征不变方法。这些算法的目标是找出存在的一些结构特征，这些特征在姿势、观察点、光照条件改变的情况下保持不变。然后使用这些特性来定位人脸。这些方法主要用于人脸定位。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt 39.75pt; TEXT-INDENT: -18pt; TEXT-ALIGN: left; mso-pagination: widow-orphan; tab-stops: list 39.75pt" 
align=left><SPAN lang=EN-US 
style="FONT-SIZE: 12pt; mso-font-kerning: 0pt; mso-fareast-font-family: 'Times New Roman'"><FONT 
face="Times New Roman">3</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt">）</SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">模版匹配法。这种方法首先是存储一张人脸的几个标准模版，用来描述整张人脸或人脸的部分特性。然后通过计算输入图像与已经存储模版之间的相关度来进行检测。这些方法既可用于人脸检测也可用于人脸定位。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt 39.75pt; TEXT-INDENT: -18pt; TEXT-ALIGN: left; mso-pagination: widow-orphan; tab-stops: list 39.75pt" 
align=left><SPAN lang=EN-US 
style="FONT-SIZE: 12pt; mso-font-kerning: 0pt; mso-fareast-font-family: 'Times New Roman'"><FONT 
face="Times New Roman">4</FONT></SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt">）</SPAN><SPAN 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'; mso-ascii-font-family: 'Times New Roman'">基于外观的方法。与模版匹配不同的是，这里的模版是从一组训练图像经过学习而得来的，这些图像应该包括人脸外观的具有代表性的变化因素。这些方法主要用于人脸检测。</SPAN><SPAN 
lang=EN-US 
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"><O:P></O:P></SPAN></P>
<P class=MsoNormal 
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan"