基于级联多任务卷积网络的人脸检测和人脸对齐文献综述

文献综述（或调研报告）：

问题描述

人脸检测(Face Detection)是指给定一张图片，判断图片中是否存在人脸，若存在则给出所有人脸位置的过程。人脸检测这一计算机视觉应用可以追溯到 50 ~55 年前，在二十世纪 九十年代到二十一世纪初，人脸检测快速发展。然而早期的工作主要是解决约束条件下 (如光照、背景不变) 的人脸检测，在无约束条件下算法表现较差导致无法应用到现实情形。直到 Viola 和 Jones 提出 VJ 算法 [1] 改变了这一局面，使得人脸检测进入了现实应用。自此以后， 得益于特征提取方法的提出、评测数据集和基准的公布、性能更优异的算法的发表和高质量 代码的开源，无约束条件下的人脸检测取得了较大的发展 [6]。

应用

人脸检测现已在许多场景下得到广泛应用，包括但不限于:

• 人脸识别和验证、监控场景下的人脸追踪、人脸表情分析、面部属性识别(如年龄、性 别、颜值估计)、面部形状重建和面部光照调整和变形等。
• 人脸检测是当今人机交互的重要环节，如手机上的刷脸解锁、刷脸支付等。
• 许多相机都内置人脸检测，可用于辅助对焦。 

• 社交网络如 FaceBook等，使用人脸检测实现图像/人物标记。
• 美颜相机和视频直播美颜。 


挑战

如今，无约束下的人脸检测仍是一个充满挑战的问题，其难点主要来自两个方面: 


bull; 人脸内在变化:即便人脸的结构是相对确定的，由眉毛、眼睛、鼻子和嘴巴等部位组成， 但表情、姿态、肤色可以有着丰富的变化。