圖像檢測(cè)外文翻譯參考文獻(xiàn)

圖像檢測(cè)外文翻譯參考文獻(xiàn)圖像檢測(cè)外文翻譯參考文獻(xiàn)(文檔含中英文對(duì)照即英文原文和中文翻譯)譯文基于半邊臉的人臉檢測(cè)概要：圖像中的人臉檢測(cè)是人臉識(shí)別研究中一項(xiàng)非常重要的研究分支。為了更有效地檢測(cè)圖像中的人臉，此次研究設(shè)計(jì)提出了基于半邊臉的人臉檢測(cè)方法。根據(jù)圖像中人半邊臉的容貌或者器官的密度特征，比如眼睛，耳朵，嘴巴，部分臉頰，正面的平均全臉模板就可以被構(gòu)建出來(lái)。被模擬出來(lái)的半張臉是基于人臉的對(duì)稱性的特點(diǎn)而構(gòu)建的。圖像中人臉檢測(cè)的實(shí)驗(yàn)運(yùn)用了模板匹配法和相似性從而確定人臉在圖像中的位置。此原理分析顯示了平均全臉模型法能夠有效地減少模板的局部密度的不確定性?；诎脒吥樀娜四槞z測(cè)能降低人臉模型密度的過(guò)度對(duì)稱性，從而提高人臉檢測(cè)的速度。實(shí)驗(yàn)結(jié)果表明此方法還適用于在大角度拍下的側(cè)臉圖像，這大大增加了側(cè)臉檢測(cè)的準(zhǔn)確性。關(guān)鍵詞：人臉模板，半邊人臉模板，模板匹配法，相似性，側(cè)臉。介紹近幾年，在圖像處理和識(shí)別以及計(jì)算機(jī)視覺(jué)的研究領(lǐng)域中，人臉識(shí)別是一個(gè)很熱門的話題。作為人臉識(shí)別中一個(gè)重要的環(huán)節(jié)，人臉檢測(cè)也擁有一個(gè)延伸的研究領(lǐng)域。人臉檢測(cè)的主要目的是為了確定圖像中的信息，比如，圖像總是否存在人臉，它的位置，旋轉(zhuǎn)角度以及人臉的姿勢(shì)。根據(jù)人臉的不同特征，人臉檢測(cè)的方法也有所變化[1-4]。而且，根據(jù)人臉器官的密度或顏色的固定布局，我們可以判定是否存在人臉。因此，這種基于膚色模型和模板匹配的方法對(duì)于人臉檢測(cè)具有重要的研究意義[5-7]。這種基于模板匹配的人臉檢測(cè)法是選擇正面臉部的特征作為匹配的模板，導(dǎo)致人臉?biāo)阉鞯挠?jì)算量相對(duì)較大。然而，絕大多數(shù)的人臉都是對(duì)稱的。所以我們可以選擇半邊正面人臉模板，也就是說(shuō)，選擇左半邊臉或者有半邊臉作為人臉匹配的模板，這樣，大大減少了人臉?biāo)阉鞯挠?jì)算。人臉模板構(gòu)建的方法人臉模板的質(zhì)量直接影響匹配識(shí)別的效果。為了減少模板局部密度的不確定性，構(gòu)建人臉模板是基于大眾臉的信息，例如，平均的眼睛模板，平均的臉型模板。這種方法很簡(jiǎn)單。在模板的仿射變換的實(shí)例中，人臉檢測(cè)的有效性可以被確保。構(gòu)建人臉模板的過(guò)程如下[8]：步驟一：選擇正面人臉圖像；步驟二：決定人臉區(qū)域的大小和選擇人臉區(qū)域；步驟三：將選出來(lái)的人臉區(qū)域格式化成同一種尺寸大??；步驟四：計(jì)算人臉區(qū)域相對(duì)應(yīng)像素的平均值。在構(gòu)建模板之前，挑選些有正面人臉的圖片。首先，決定人臉區(qū)域的尺寸大小。然后，在圖像中手動(dòng)挑選人臉區(qū)域。我們?cè)O(shè)選定的人臉區(qū)域的數(shù)量為n。因?yàn)槿四槄^(qū)域的矩陣向量都是被獨(dú)立分布的，所以在那些人臉圖像相同位置的像素值也是獨(dú)立分布的。我們?cè)O(shè)在人臉區(qū)域第k(k=1,2,?,n)位置的像素值是fk(i,j)(k=1,2,…,n)，那些人臉圖像的是標(biāo)準(zhǔn)比例系數(shù)wk(k=1,2,…,n)，由此得出正面人臉模板的表達(dá)式：根據(jù)統(tǒng)計(jì)學(xué)，如果在人臉區(qū)域第k個(gè)位置，有些像素值fk(i,j)趨于正態(tài)分布,其中u是像素fk(i,j)的平均值，是方差，T(i,j)是正態(tài)分布。所以模板局部密度的不確定性大大降低了。如果抽樣的人臉圖像都是在同一間距下拍攝的，相對(duì)應(yīng)的人臉尺寸是一致的，標(biāo)準(zhǔn)的比例像素wk就等于1.那么，大眾人臉模板T(i,j)也就變成了正面的平均全臉模板的構(gòu)建在人臉與相機(jī)間距相同，鳥(niǎo)瞰圖的拍攝角度是15°的情況下，120張人臉圖像被取樣，包含正面的，左側(cè)傾斜30°和左側(cè)傾斜45°。每種角度的圖像都是40張。其中20張中的人戴帽子，2張沒(méi)有戴帽子。被抽樣的圖像如圖1所示。正面左側(cè)傾斜30°左側(cè)傾斜45°圖1：各個(gè)角度的人臉圖像在圖像中，正面人臉包括特征器管像眼睛，耳朵，鼻子，部分臉頰等等，如圖2（a）所示。這些圖像的分布特征可以作為檢測(cè)人臉存在的根據(jù)。所以人的眼睛，耳朵，鼻子，嘴巴和部分臉頰都被選作可以構(gòu)建整張正面人臉模板的主要區(qū)域，如圖2（b）所示。這種方法可以排除異常區(qū)域和非人類特有物的影響，比如帽子，胡須等。圖2：人臉特有器官的模型手動(dòng)取樣16張人臉圖像。每張圖像都是22×26像素。做為一個(gè)比較性的實(shí)驗(yàn)，模板不僅要匹配正面圖像，還要匹配側(cè)面圖像。所以模板不能太寬。構(gòu)建整張正面人臉模板如圖3所示。通過(guò)16張正面人臉模板，正面的平均全臉模板就可以被構(gòu)建出來(lái)。圖3：正面全臉的平均模板的構(gòu)建IV.平均的半臉模板的構(gòu)建正面的平均全臉模板可以被看做大徑相同的左臉模板和有臉模板的結(jié)合體。所以正面的全臉模板可以被中心對(duì)稱軸分成左臉模板和右臉模板。所以，半邊臉模板的構(gòu)建如圖4所示。此外，平均半臉模板可以根據(jù)平均全臉模板的原理來(lái)構(gòu)建。這樣可以減低在全臉模板中密集度的對(duì)稱冗余的問(wèn)題。方法如圖5所示。圖4：構(gòu)建半臉模板的模型圖5：半臉平均模板的構(gòu)建在一張完美的人臉模板中，左臉和右臉的密集度是對(duì)稱的，也就是說(shuō)，兩半邊臉是相似的一對(duì)。事實(shí)上，在一張人臉圖像中左臉和右臉存在一些差異，兩半邊臉的器官密集度的分布也不是完全對(duì)稱的，所以相似性就降低了。就拿左半邊臉為例，當(dāng)利用平均的半臉模板搜索人臉圖像時(shí)，左半邊臉會(huì)先被識(shí)別出來(lái)，如圖6(a)所示。圖中實(shí)線框內(nèi)是被檢測(cè)出的左臉，接著根據(jù)左臉模板來(lái)檢測(cè)右半邊臉的位置。被檢測(cè)到的可能是右半邊臉的位置如圖6(b)所示，這些位置由虛線框標(biāo)記出來(lái)。圖6：被檢測(cè)出來(lái)的可能是半邊臉的位置判別函數(shù)在實(shí)驗(yàn)中，圖像中半邊臉被檢測(cè)出來(lái)是運(yùn)用了模板匹配的方法。此方法的基本原理解釋如下。被選擇的平均半臉模板在被檢測(cè)的圖像上到處搜索。接著，計(jì)算模板與被檢測(cè)到的半邊臉的相似度。如果在某些位置，相似度方程的值大于閾值，那么我們就認(rèn)為這班別臉的圖像相似于平均半臉模板。相似度是指圖像上局部區(qū)域的統(tǒng)計(jì)值。一些不同的子塊影像的圖像相似度值也許與其他的一樣，盡管如此，它們還是屬于不同的字塊圖像。在實(shí)驗(yàn)中，與半臉模板匹配的子塊圖像所在位置的相似度值應(yīng)該被保留，而那些未匹配的值應(yīng)該被剔除。此方法具體可以描述如下：假設(shè)半臉模板T的長(zhǎng)度是I，寬是J，如圖四所示。那么全臉模板的長(zhǎng)度就是2I，寬是J。假設(shè)被檢測(cè)的圖像的長(zhǎng)度是L，寬是W，當(dāng)模板為放在(m,n)時(shí)，子塊圖像在圖像中相對(duì)應(yīng)的位置為。于是模板與子塊圖像S(m,n)的相似度的公式(3)[9]可以表達(dá)為上述公式中，判定圖像中是否存在半邊臉的規(guī)則是，給定一個(gè)閾值th，如果S(m,n)th,那么此半邊臉相似于子塊圖像；如果S(m,n)=0，那么此半邊臉完全與子塊圖像一致。把公式（3）展開(kāi)后，得到其中，是子塊的能，被位于圖像(i,j)位置的半臉模板所覆蓋。在到處搜索圖像的時(shí)候，它的值變化很慢。表示模板T與子塊圖像的相關(guān)系數(shù)。當(dāng)模板T與子塊圖像完全匹配時(shí)，相關(guān)系數(shù)達(dá)到最大值。是半臉模板T的能，當(dāng)半臉模板被構(gòu)建完后，它的值就被確定了。它與子塊的位置沒(méi)有任何關(guān)系。所以，模板T與子塊圖像的關(guān)聯(lián)系數(shù)和子塊的能值的比率就是相似度值，如下：簡(jiǎn)化式子（5），得到式子（6）其中，s(m,n)是相似度，。判定半邊臉存在的規(guī)則如下：給定閾值th，如果s(m,n)th,那么總結(jié)為此半臉模板T相似于子塊圖像；如果s(m,n)=1，那么半臉入班T完全與子塊圖像匹配。假設(shè)O(T)代表基于半邊臉模板檢測(cè)人臉的時(shí)間花費(fèi)，O(F)代表基于全臉模板檢測(cè)人臉的時(shí)間花費(fèi)。計(jì)算方法如下：O(T)=I*J*(L-I)*(W-J)(7)O(F)=2I*J*(L-2I)*(W-J)(8)O(T)t與O(F)的比值如下(9)當(dāng)L的值大大超過(guò)I值時(shí)，方式（9）的值接近1/2，也就是說(shuō)，基于半邊臉模板檢測(cè)人臉的時(shí)間花費(fèi)是全臉模板方法的1/2。所以，半邊臉模板檢測(cè)方法可以省一半的時(shí)間。實(shí)驗(yàn)結(jié)果正如圖五顯示的平均半臉模板，左臉與左臉，右臉與右臉，左臉與右臉的相似度都是通過(guò)式子（6）計(jì)算得出。計(jì)算結(jié)果分別是1.0000，1.0000和0.9535。實(shí)驗(yàn)結(jié)果是相同半邊臉的相似度值很高，不同半邊臉是相似的一對(duì)。所以左臉對(duì)于右臉的密集度冗余很大。人臉檢測(cè)的實(shí)驗(yàn)中，利用左半臉模板來(lái)檢測(cè)正面人臉圖像，左偏30°和45°的圖像。準(zhǔn)確檢測(cè)的結(jié)果如圖7顯示。此外，作為對(duì)比，同時(shí)做了基于平均全臉模板的檢測(cè)實(shí)驗(yàn)，結(jié)果如圖8所示。圖7：基于半邊臉模板的人臉檢測(cè)實(shí)驗(yàn)結(jié)果圖8：基于平均全臉模板的人臉檢測(cè)實(shí)驗(yàn)結(jié)果在人臉檢測(cè)實(shí)驗(yàn)中，準(zhǔn)確的人臉檢測(cè)比率是非常總要的估算準(zhǔn)則，描述如下40張正面人臉圖像，40張左側(cè)偏離30°的人臉圖像，40張左側(cè)偏離45°的人臉圖像。表格1中是被準(zhǔn)確檢測(cè)的人臉的數(shù)目和檢測(cè)比率。表格1中結(jié)果可以總結(jié)如下：正面圖像的人臉檢測(cè)準(zhǔn)確率很高，因?yàn)槠骄樐０迨歉鶕?jù)一系列的正面人臉圖像而構(gòu)建的，平均半邊臉模板是根據(jù)平均全臉模板的原理而都建的，這兩者都表現(xiàn)了人臉的特征。當(dāng)利用平均全臉模板在圖像中檢測(cè)的人臉傾斜，比如左傾斜30°或者45°，檢測(cè)的準(zhǔn)確率就很快地下降了，因?yàn)楫?dāng)左臉傾斜時(shí)，右臉的很多信息丟失了。而且在全臉模板里很難找到能夠匹配右臉的信息。當(dāng)根據(jù)平均半邊臉模板檢測(cè)側(cè)臉時(shí)，準(zhǔn)確率會(huì)相對(duì)高一點(diǎn)。主要是因?yàn)槟樝蜃髠?cè)傾斜時(shí)，左臉并沒(méi)有丟失很多信息，以至于她們可以很好地與平均半臉模板匹配。然而，人臉偏離的角度過(guò)大，檢測(cè)的準(zhǔn)確度也會(huì)大大下降，這主要是因?yàn)樵谌四槇D像取樣的過(guò)程中，正臉的成像從三維空間變成了二維空間，這樣不僅損失了人臉圖像位置的深度信息，而且嚴(yán)重地改變了臉上器官的位置。所以相似度也隨之降低了?？偨Y(jié)平均人臉模板是根據(jù)臉部特有的特征這一原理構(gòu)建的。人臉位置是根據(jù)人臉模板與不同角度的人臉的相似度來(lái)判斷的。下面是理論分析和實(shí)驗(yàn)的結(jié)果：眼睛，耳朵，鼻子，嘴巴和部分臉頰是構(gòu)建人臉模板的必要部分，它們的密集分布特征是作為人臉檢測(cè)的依據(jù)。平均人臉模板大大減少了局部特征器官的密集信息的不確定性。在平均全臉模板的基礎(chǔ)上，平均半臉模板能夠通過(guò)臉上器官位置的對(duì)稱性構(gòu)建出來(lái)，然后后半邊臉就可以直接被檢測(cè)出來(lái)。人臉模板的密集冗余就大大減少了。通過(guò)基于模板匹配法的人臉檢測(cè)的時(shí)間復(fù)雜性的分析，半臉模板相對(duì)于全臉模板的價(jià)值更適用于實(shí)際。半臉模板能夠節(jié)省一半的時(shí)間，所以檢測(cè)的數(shù)獨(dú)就可以提高。平均半臉模板可以適用于較大角度側(cè)斜的人臉圖像，人臉檢測(cè)的準(zhǔn)確率也有顯著地提高。參考文獻(xiàn)：[1]HErik.“FaceDetection:ASurvey”.Comput.Vis.Image.Und.,Vol.83,pp.236-274,2001.[2]LHLiang,HZAi,GYXu,etal.“ASurveyofHumanFaceDetection”.Chinese.J.Comput.,Vol.25,No.5,pp.449-458,2002.[3]NSun,CRZou,LZhao.“Facedetection:asurvey”.J.ofCircuitsandSystems.Vol.11,No.6,pp.101-113,2006.[4]MHYang,DJ.Kriegman,NAhuja.“DetectingFacesinImages:ASurvey”.IEEETrans.onPattern.Anal.Mach.Intell.,Vol.24,No.1,pp.34-58,2002.[5]ZhongJin,ZhenLou,JingyuYang,etal.“Facedetectionusingtemplatematchingandskin-colorinformation”.Neurocomputing.,Vol.70,pp.794-800,2007.[6]JMeynet,VPopovici,JPThiran.“FacedetectionwithboostedGaussianfeatures”.Pattern.Recogn.,Vol.40,pp.2283–2291,2007.[7]LLHuang,AShimizu.“Amulti-expertapproachforrobustfacedetection”.PatternRecogn.,Vol.39,pp.1695–1703,2006.[8]LHLiang,HZAi,KZHe,etal.“SingleRotatedFaceLocationBasedonAffineTemplateMatching”.ChineseJ.Comput.,Vol.23,No.6,pp.640–645,2000.[9]TSergios,KKonstantinos.PatternRecognition(ThirdEdition).ElsevierInc.pp.397-425.2006.原文：FaceDetectionBasedonHalfFace-templateAbstract–Facedetectionintheimageisanimportantresearchbranchoffacerecognition.Forthepurposeofdetectingthefacesinimagesefficiently,afacedetectionmethodbasedonhalfface-templateisproposed.Accordingtothecharacterofdensityofthefeatureorganssuchaseye,ear,nose,mouth,partofcheekinthefaceimages,theobverseaveragefullface-templateisconstructed.Andtheobverseaveragehalfface-templateisconstructeddirectlybasedondensitysymmetryofface-template.Thefacedetectionexperimentsintheimageswerecarriedonusingthemethodoftemplatematchinganddeterminethepositionofthefaceintheimageaccordingtocomparability.Thetheoryanalysisshowsthattheaverageface-templatecanreducethechancinessoflocaldensityofthetemplateeffectivelyandthehalfface-templatecanreducethesymmetryredundancyofdensityintheface-templateandincreasethespeedoffacedetection.Theexperimentalresultindicatesthatthehalfface-templatecanadapttosidefaceimagesinalargeangle,whichimprovesthecorrectnessofsidefacedetectionsubstantially.Keywords–fullface-template,halfface-template,templatematching,comparability,sideface.I.INTRODUCTIONFacerecognitionisthehottopicintheresearchfieldofimageprocessingandrecognitionandcomputervisioninrecentyears.Asoneoftheimportantstepsoffacerecognition,facedetectionhasbeenanextensiveresearchfield.Themainpurposeoffacedetectionistodeterminetheinformationsuchaswhetherthereexistsfaceandtheposition,therotationandtheposeofthefaceintheimage.Accordingtothedifferentfeaturesoftheface,themethodoffacedetectionvaries[1-4].Andaccordingtothefixedlayoutofthecolororthedensityoffaceorgan,wecandeterminewhetherthereexistsaface.Sothemethodbasedonskincolormodelsandtemplatematchingistheimportantresearchdirectionoffacedetection[5-7]Thefacedetectionmethodbasedontemplatematchingchoosesfullfacefeatureasthematchedtemplate,withwhichtheburdenofcomputingoffacesearchisrelativelylarge.However,mosthumanfacesaresymmetryobviously.Sowecanchoosehalfofthefullface-templatethatischoosingthelefthalffaceortherighthalffaceasthetemplateoffacematchingwhichcanreducetheburdenofcomputingoffacesearch.II.FACETEMPLATECONSTRUCTINGMETHODThequalityoftemplateimmediateinfluencestheeffectofmatchingdetection.Toreducethechancinessoflocaldensityofthetemplate,thetemplatebasedontheinformationofaveragefaceisconstructed,suchasaverageeyetemplateandaveragefacetemplate.Thismethodisveryeasy.Attheinstanceoftheaffinetransformationofthetemplate,thefacedetectionefficiencywillbeverycertifiable.Theprocessofconstructingobverseaverageface-templateasfollows[8]:Step1choosetheobservefaceimages;Step2determinethesizeoffaceareaandselectfacearea;Step3normalizeselectedfaceareasintothesamesize;Step4computetheaveragevalueofeverycorrespondingpixeloffacearea.Beforeconstructingtemplate,someimagesincludingobservefacearechosen.Atfirst,thesizeoffaceareaisdetermined.Then,thefaceareaselectedmanuallyinthesefaceimage.Thenumberoftheselectedfaceareaisn.Thematrixvectorsoffaceareasaredistributedindependently,soarethepixelvaluesinsamepositionofthesefaceareas.Thepixelvalueinthekth(k=1,2,?,n)positionoffaceareaisfk(i,j)(k=1,2,…,n)andthenormalizedscalefactorofthesefaceimageiswk(k=1,2,…,n),thus,theaveragefacetemplatecanbedescribedasfollows.Accordingtostatisticstheory,ifsomepixelvaluefk(i,j)inthekthfaceareasubjectstonormaldistribution,where,isthemeanofthepixelfk(i,j)andisthevariance,T(i,j)subjectstodistribution.Sothechancinessoflocaldensityinfacetemplatedecreasesinalargescale.Iffaceimageissampledinthesituationthatthedistancebetweenthefaceandthecameraisfixed,thesizeoffaceisunchangedcorrespondinglyandthenormalizedscalefactorwkcanbe1.ThentheaveragefacetemplateT(i,j)canbealteredasfollows.III.AVERAGEFULLFACETEMPLATECONSTRUCTIONInthesituationthatthedistancebetweenthefaceandthecameraisfixedandtheangleofairscapesis15°,120faceimagesaresampledattheangleofobverse,leftside30°and45°.Foreachangle,thereare40images,andthenumberofthefaceimagewithandwithoutcapareboth20.Thesampledimagesareshownasfigure1.obverse30°fromtheleftside45°fromtheleftsideFig.1faceimagesofdifferentanglesIntheimage,theobversefaceincludesthefeatureorganslikeeye,ear,nose,mouth,partofcheekandsoon,asisshowninfigure2-(a).Thecharacterofdistributionoftheseimagescanbethebasisfordetectingtheexistenceofface.Sotheeyes,ears,noses,mouthsandpartofcheekwereselectedasthemainareaofconstructingthefullface-template,whosemodelisshowninfigure2-(b).Thismethodcanruleouttheinfluenceofabnormityareaandthenon-humanonticfeatureones,likecap,beardandsoon.Fig.2characteristicorgansmodelofface16faceimagesweresampledmanually.Thesizeofeachimageis22×26pixels.Asacomparisonexperiment,templatemustnotonlymatchtheobverseimages,butalsothesideones.Sothetemplatecouldnotbetoowide.Theobversefullface-templateconstructedisshowninfigure3.Theobversetemplateisprimelyrepresentation,sotheobverseaveragefullface-templatewasjustconstructed.Fig.3averagetemplateconstructingofobversefullfaceIV.AVERAGEHALFFACETEMPLATECONSTRUCTIONTheobverseaveragefullface-templatemayberegardascombinationofthealmostsymmetricalleftfacetemplateandtherightone.Sotheobversefullface-templatecanbedividedintotheleftfacetemplateandtherightoneattheaxiscenterofsymmetry.Theconstructionofhalfface-templateisshownasfigure4.Furthermore,theaveragehalfface-templatecanbeconstructedbasedontheaveragefullface-template,whichcanreducethesymmetryredundancyofdensityinthefullface-template.Themethodisshownasfigure5.Fig.4modelofhalffacetemplateconstructingFig.5halffaceaveragetemplateconstructingThedensityoftheleftfaceandtherightonearesymmetricalintheperfectface-template,inotherwords,theyarecomparabilitypairs.Inthepractice,thereisalittledifferencebetweentheleftfaceandtherightoneinthefaceimages,andthedistributionofdensityofthemisnotafullysymmetricalscene,sothecomparabilityisdecreased.Takingtheleftfaceforexample,theleftfacecanbedetectedatfirst,whensearchingthefaceimagewiththeaveragehalfface-templateexaminewhetherthereexistsfaceimage,asisshowninfigure6-(a).Thesolidlineframeinthefigureistheleftfacedetected.Detectingthelocationoftherightfacewiththeleftface-template,thedetectedpossiblelocationsoftherightfaceareshowninfigure6-(b),whichismarkedwiththebrokenline.Fig.6detectedpossiblelocationofhalffaceV.CRITERIONFUNCTIONIntheexperiment,thehalffacesintheimagesweredetectedwiththetemplatematchingmethod.Itsfundamentalprinciplecanbedescribedasfollows.Theselectedaveragehalfface-templateisransackedonthedetectingimageandthesimilaritybetweenthemiscalculated.Thehalffaceimagewhichissimilartothetemplateisreckonedamongthedetectingimage,ifthevalueofthesimilarityfunctioninsomepositionisgreaterthanthethresholdvaluegiven.Thesimilarityisthestatisticalvalueoflocalareasintheimage.Thesimilarityvalueofsomedifferentsub-imageimagemightbeequaltoanother,despiteallthattheyaredifferentsub-images.Intheexperiment,thesimilarityfunctionvalueinthehalfface-templatematchedpositionshouldbestoodoutandthevalueinthenon-matchedpositionshouldbebated.Themethodadoptedisdescribedasfollows.Supposethelengthofthehalfface-templateTisIandthewidthisJ,asisshowninfigure4.Thelengthofthefullface-templateis2IandthewidthisJ.Ofthedetectingimage,thelengthisLandthewidthisW.Thesub-imagecorrespondingtotheposition(m,n)intheimagewherethetemplateissetonis.Thenthesimilaritybetweenthetemplateandthesub-imageS(m,n)canbeexpressedwiththeformula(3)[9]Forthefunctionabove,theruleofdeterminingwhetherthereexiststhehalffaceisthatgivenathresholdvalueth,ifS(m,n)th,thehalfface-templateTissimilartothesub-image,andifS(m,n)=0,thehalfface-templateTisidenticalwiththesub-imagecompletely.Expandingtheformula(3),itwillbethefollowing:Where,istheenergyofsub-imagewhichiscoveredbyhalffacetemplateTlocatedin(i,j)oftheimages.Duringtheransackingoftheimages,itsvalueischangingslowly.isthecorrelationbetweenthetemplateTandsub-image.ItgetsthemaximumvaluewhentemplateTmatchthesub-imageexactly.istheenergyofhalffacetemplateT,itsvaluecanbedeterminedwhenthetemplateTisconstructed.Ithasnorelationshipwiththepositionofthesub-image.Therefore,theratioofthecorrelationofthetemplateTandsub-imagetotheenergyofsub-imagecanactadthesimilarity,thatis,Normalizingformula(5),thefollowingonecouldbededuced.Where,s(m,n)issimilarity,.Astosimilaritys(m,n),therulefordeterminingwhetherthehalffaceexistscanbedescribedas:ifthresholdisgivenasth,whens(m,n)th,theconclusionthatthehalffacetemplateTissimilartothesub-imageisdrawn,whens(m,n)=1,thehalffacetemplateTmatchthesub-imageexactly.AssumingthattheO(T)representstimecostoffacedetectionbasedonhalffacetemplateandtheO(F)representsthatbasedonfullfaceone,thecalculatingmethodoftheO(T)andO(F)canbedescribedasformulas(7)and(8).O(T)=I*J*(L-I)*(W-J)(7)O(F)=2I*J*(L-2I)*(W-J)(8)TheratioofO(T)toO(F)canbeshowninformula(9)WhenthevalueofLismuchgreaterthanthatofI,theresultof(9)approximatesto1/2,thatistosay,thetimecostofdetectingfacesinimageswiththehalffacetemplateisabouthalfofthatwiththefullfaceone.Therefore,abouthalftimeoftheprocessingissaved.VI.EXPERIMENTSRESULTSAstoaveragehalffacetemplateshowninfigure5,thesimilarityof“l(fā)eftfaceandleftface”,“rightfaceandrightface”and“l(fā)eftfaceandrightface”werecalculatedwiththeformula(6).Theresultsare1.0000?1.0000and0.9535respectively.Theconclusioncouldbedrawnthatthesimilarityvalueofsamehalffacesishigh,andthedifferenthalffacesaresimilarpairs.Sothedensityredundancyofleftfacetothatofrightfaceisverygreat.Facesdetectionwerecarriedoutanexperimentontheobversefaceimage,theangleof30°and45°onesthewithaverageleftfacetemplate.Theresultsofthecorrectdetectionareshowninfigure7.Besides,asacomparison,theexperimentswithaveragefullfacetemplatewerecarriedon,andthecorrectdetectionresultsareshowninfigure8.Fig.7facedetectionresultsbasedontheaverageleftfacetemplateFig.8facedetectionresultsbasedontheaveragefullfacetemplateThecorrectratiooffacedetectionisanimportantestimationrulesinfacedetection,whichcanbecalculatedasfollows;40faceimagesfromtheangleofobverse,30°fromtheleftsideand45°fromtheleftsideweredetected.Thenumberanddetectionratiooffacesdetectedcorrectlyareshownintable1.TheresultsshowninTable1canbesummedasfollowing.(1)Thecorrectratiooffacedetectioninobverseimageisveryhigh,becausetheaveragefullfacetemplatewasconstructedbasedonaseriesofobservefaceimages,andtheaveragehalffaceonedidonbasisofaveragefullfacetemplate,allofthemrepresentthefeatureoffaces.(2)Detectingfacesinimagesfromthesidessuchasleftsideatanangleof30°and45°withtheaveragefullfacetemplate,thecorrectdetectionratiodropsrapidly,whichismainlybecauselotsoftheinformationoftherightfacesarelostwhenthefacesareturningleft,anditishardtofindtheinformationthatcanmatchwithrightsidewellinfullfacetemplate.(3)Thecorrectratioishighrelativelywhilethesidefacesinimagesweredetectedwiththeaveragehalfface-template,whichismainlybecauseinformationlossofleftsideisfewerwhenfacesareturningtotheleftside,sothattheycanbematchedwellwithtemplates.However,iftheangleofthesideistoolarge,correctratioofdetectionwilldecreasegreatly,whichismainlybecauseintheprocessoffaceimagessampling,theprocessinwhichobjectsoffacesinthreedimensionalspacemappingtoplanarimagesisanabnormalone,anditnotonlylosesinformationofpositiondepthinthreedimensionalspacebutchangesthepositionoffaceorgansontheimagegreatlyaswell.Sothesimilaritybetweenthemisreduced.VII.CONCLUSIONTheaverageface-templatescanbeconstructedbasedonthefeaturesoffaceimagesandthefacespositionsweredetectedaccordingtothesimilaritybetweenthetemplatesandthefacesofdifferentanglesinimages.Theresultsoftheoreticalanalysisandexperimentalareshownasfollows.(1)Eyes,ears,noses,mouthsandpartofcheekareessentialpartsinconstructingfacetemplates,whosedensitydistributionfeatureinfaceimagescanactasbasisoffacedetecting.(2)Averagefacetemplatescanreducethechancinessofthedensityinformationofloca