WIKI資訊
在確定了選擇窗口的策略，設計好了提取特征的方式，并學習了一個針對人臉和非人臉窗口的分類器之后，我們就獲得了構建一個人臉檢測系統所需要的全部關鍵要素——還有一些小的環節相比之下沒有那么重要，這里暫且略去。 由于采用滑動窗口的方式需要在不同大小的圖像上的每一個位置進行人臉和非人臉窗口的判別，而對于一張大小僅為480*320的輸入圖像，窗口總數就已經高達數十萬，面對如此龐大的輸入規模，如果對單個窗口進行特征提取和分類的速度不夠快，就很容易使得整個檢測過程產生巨大的時間開銷，也確實就因為如此，早期所設計的人臉檢測器處理速度都非常慢，一張圖像甚至需要耗費數秒才能處理完成——視頻的播放速度通常為每秒25幀圖像，這給人臉檢測投入現實應用帶來了嚴重的障礙。 人臉檢測技術的突破：VJ人臉檢測器及其發展 人臉檢測技術的突破發生在2001年，兩位杰出的科研工作者Paul Viola和Michael Jones設計了出了一個快......閱讀全文
這是一個看臉的世界！自拍，我們要藝術美顏；出門，我么要靚麗美妝。上班，我們要刷臉簽到；回家，我們要看臉相親。 當手機把你的臉變得美若天仙，當考勤機認出你的臉對你表示歡迎，你知道是什么魔力讓冷冰冰的機器也變得溫情脈脈，讓呆呆的設備也變得善解人意嗎？今天就讓我們走近它們的內心，了解這些故事背后的一項
造成人臉檢測速度慢的根本原因還在于輸入規模過大，動輒需要處理幾十上百萬的窗口，如果這樣的輸入規模是不可避免的，那么有沒有可能在處理的過程中盡快降低輸入規模呢？如果能夠通過粗略地觀察快速排除掉大部分窗口，只剩下少部分窗口需要進行仔細的判別，則總體的時間開銷也會極大地降低。從這樣的想法出發，
選好了窗口，我們開始對窗口中的圖像區域進行觀察，目的是收集證據——真相只有一個，我們要依靠證據來挖掘真相！在處理圖像的過程中，這個收集證據的環節我們稱之為特征提取，特征就是我們對圖像內容的描述。由于機器看到的只是一堆數值，能夠處理的也只有數值，因此對于圖像所提取的特征具體表示出來就是一個
在過去十幾年的探索過程中，涌現出的特征不勝枚舉，這里只選取了部分比較有代表性和反映了人們探索思路的特征進行舉例。這里所有列舉的特征都有一個共同的特點：都由科研工作者根據自己的經驗手工設計，這些特征的設計反映了人們對問題的理解和思考。雖然隨著不斷的改進，設計出的特征已經日臻完善，但直到現在