✳️ 一、引言

脸是每个人最重要的外貌特征，随着科技推动社会不断向前发展，人脸识别也逐渐融入人们的生活中，例如在常见的人脸识别系统、身份验证、图像搜索、监控违法犯罪行为等用处上，人脸识别都是不可缺少的技术。不少研究者也先后提出原理不同的人脸检测算法，目前使用较多的是基于Haar-Like 特征的人脸检测算法，但由于人脸自身具有复杂性，肤色、脸型等细节的变化，甚至如眼镜、刘海等外物的遮挡，使得人脸识别的准确率大打折扣。因此，如何使用合理的算法，提高人脸检测的精确度，是每个相关领域技术人员必须思考的问题。

✳️ 二、Haar-Like 特征

在最早的研究中，像素的特征被人脸检测大量运用，但其所包含的信息量不足，识别过程与人脸的耦合度较低。针对这些问题，有研究者研究出比像素特征更为实用的 HaarLike 特征。当今， Haar-Like 特征已在信息领域的人脸识别中占据不可替代的地位，其由 4 种基本特征原型组成，如图1所示。使用时，将该模版的特征值定义为模板内白色区域像素与黑色区域像素相减所得的值，进而反映图像的灰度变化。

图1 基本的 Haar-Like 特征[1]

而在实际应用中，仅仅 4 种基础的 Haar-Like 特征很难满足各种场景的需求，因此一些学者在此基础上将基本的 Haar-Like 模型以 45°方向倾斜，衍生扩展出 14 种Haar-Like 特征的模型，主要为边缘特征、线性特征以及中心特征，如图2所示。通过使用 Haar-Like 基础模板以及衍生模板，可以对人脸进行精准匹配，以提高人脸检测的精准度。

图2 衍生的 Haar-Like 特征原型

✳️ 三、人脸检测实验验证

基于Haar-Like特征的人脸检测结果如下图所示。

图3 人脸检测结果

✳️ 四、参考文献

[1] 胡念, 张四平, 王梅. 基于Haar-Like T特征的人脸检测算法 [J]. 信息与电脑(理论版), 2020, 32(17): 51-3.

✳️ 五、Matlab代码获取

基于Haar-Like特征的人脸检测算法研究

---

博主简介：研究方向涉及智能图像处理、深度学习、卷积神经网络等领域，先后发表过多篇SCI论文，在科研方面经验丰富。任何与算法、程序、科研方面的问题，均可私信交流讨论。

---