人脸检测可利用的信息在静态图像中包括肤色、形状、纹理等，在视频图像中包括动态、位置、三维信息等，研究方法日趋多样化，其应用方面也日趋广泛。
本文描述了一种基于肤色信息和模板匹配的人脸检测方法，能有效地运用于复杂背景下多人脸、不同尺寸、不同表情姿态的情况，且误检率和漏检率较低，但缺点是只能检测彩色的人脸图像。本设计尽可能将原始图像中的人脸部分检测出来，但由于时间和水平的限制，以及算法的不完善，不可避免地存在误检和漏检的情况。比如:在有些光照条件下，会造成面部肤色失真，从而造成漏检，误检；自然界中存在颜色上和肤色相近的物质，如果尺寸和形状的因素也符合条件，会造成误检；如果和人脸区域交接的一些区域是和肤色相近的，那么也会造成漏检。
另外，各种人脸检测的方法由于各自的侧重点和实验数据库的不同，因此很难对它们作定量的评估，关于人脸检测技术的性能评价准则问题也是今后研究的一个课题。所有这些方法在一定的环境和假设下，对人脸都能够进行准确的检测，但正是由于这些假设限制了它们的通用性。在现实世界中，一旦这些假设的条件发生了变化，这些系统就不再能够进行正确的检测。然而这些方法的提出对我们理解人脸检测的过程和以后建立一个完善的人脸检测系统会有很大的帮助。
综上所述，在今后的研究中，我们还需要在以下方面进行更深层次的探索:
1、进一步提高图像分割的准确性，在分割时可更多地考虑各种环境因素，比如光照，背景环境，装束变化等，从而改进图像分割的算法。
2、为了能达到更高的检测率，进一步改进系统去掉假区域部分的算法。比如，增加规则，肤色分割后可再对检测为人脸的区域进行验证，可以采用特征定位等方法，也可以考虑多种方法的融合。
3、本系统只是对静态的单个或多个人脸图像进行研究，而在许多实际情况下还需要对动态人脸图像进行检测，因此，有一定的局限性。由于目前最常用的视频压缩标准是MPEG压缩标准，而在MPEG的压缩过程中，使用的是YCbCr色彩空间编码和动态预测的帧间压缩模式，故可以考虑在静态图像处理的基础上进行改进，引入动态处理，必将有着不错的应用与发展前景。
通过进一步的学习与研究，找出更科学与新颖的算法是我们孜孜不倦的追求。
Tags：
