Viola人臉檢測(cè)方法是一種基于積分圖、 級(jí)聯(lián)檢測(cè)器和AdaBoost 算法的方法，方法框架可以分為以下三大部分:
    第一部分,，使用Harr-like特征表示人臉,，使用“ 積分圖”實(shí)現(xiàn)特征數(shù)值的快速計(jì)算;
    第二部分， 使用Adaboost算法挑選出一些最能代表人臉的矩形特征( 弱分類器),，按照加權(quán)投票的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器;
    第三部分,， 將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，級(jí)聯(lián)結(jié)構(gòu)能有效地提高分類器的檢測(cè)速度,。

   Adaboost 算法是一種用來(lái)分類的方法,，它的基本原理就是“三個(gè)臭皮匠，頂個(gè)諸葛亮”,。它把一些比較弱的分類方法合在一起,，組合出新的很強(qiáng)的分類方法。

   例如下圖中

   需要用一些線段把紅色的球與深藍(lán)色的球分開(kāi),，然而如果僅僅畫一條線的話,，是分不開(kāi)的。

   使用Adaboost算法來(lái)進(jìn)行劃分的話,，先畫出一條錯(cuò)誤率最小的線段如圖 1 ,，但是左下腳的深藍(lán)色球被錯(cuò)誤劃分到紅色區(qū)域，因此加重被錯(cuò)誤球的權(quán)重,，再下一次劃分時(shí),，將更加考慮那些權(quán)重大的球，如 c 所示,，最終得到了一個(gè)準(zhǔn)確的劃分,，如下圖所示。

   人臉檢測(cè)的目的就是從圖片中找出所有包含人臉的子窗口,，將人臉的子窗口與非人臉的子窗口分開(kāi),。

大致步驟如下：

   (1)在一個(gè) 20*20 的圖片提取一些簡(jiǎn)單的特征（稱為Harr特征），如下圖所示,。

   它的計(jì)算方法就是將白色區(qū)域內(nèi)的像素和減去黑色區(qū)域,，因此在人臉與非人臉圖片的相同位置上，值的大小是不一樣的,，這些特征可以用來(lái)區(qū)分人臉和分人臉,。

   (2)目前 的方法是使用數(shù)千張切割好的人臉圖片，和上萬(wàn)張背景圖片作為訓(xùn)練樣本,。訓(xùn)練圖片一般歸一化到 20*20 的大小,。在這樣大小的圖片中，可供使用的 haar 特征數(shù)在 1 萬(wàn)個(gè)左右,，然后通過(guò)機(jī)器學(xué)習(xí)算法 —adaboost 算法挑選數(shù)千個(gè)有效的 haar 特征來(lái)組成人臉檢測(cè)器,。

   (3)學(xué)習(xí)算法訓(xùn)練出一個(gè)人臉檢測(cè)器后,，便可以在各個(gè)場(chǎng)合使用了。使用時(shí),，將圖像按比例依次縮放,，然后在縮放后的圖片的 20*20 的子窗口依次判別是人臉還是非人臉。

人臉檢測(cè)的流程

   人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理,，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小,。

   目前人臉檢測(cè)技術(shù)在門禁系統(tǒng)、智能監(jiān)控系統(tǒng)中已得到了很好的應(yīng)用,。另外,，目前的筆記本電腦中也陸續(xù)開(kāi)始使用人臉識(shí)別技術(shù)作為計(jì)算機(jī)登錄的憑證。近年來(lái),，在數(shù)碼相機(jī)和手機(jī)中也集成了人臉檢測(cè)算法,，作為一個(gè)新的功能提供用戶使用。在這些應(yīng)用中,，人臉檢測(cè)都是發(fā)揮著至關(guān)重要的作用,。