计算机课玩出花,人脸被计算机视觉玩出了花儿~

原标题：人脸被计算机视觉玩出了花儿~

文/编辑 | 言有三

人脸特征

人脸的特征表达是最早期的人脸图像研究领域，早期研究者通过各类底层的图像特征来对人脸图像进行表征，包括以肤色高斯模型为代表的颜色特征，以LBP为代表的纹理特征，以ASM为代表的形状特征，以Eigenfaces为代表的统计特征等。

随着深度学习技术的发展，传统人脸特征提取的时代基本一去不复返了，但是从事该领域的工作人员了解背后的思想精髓是很有必要的。

人脸检测

人脸的第一个高层次任务便是人脸检测，它也是后续所有人脸算法的预处理步骤。

传统的人脸检测方法从基于规则的方法到基于分类的方法，形变模型等，是一个非常大的算法家族，横跨几十年的研究，多数工作在寻找更强大的特征描述算子和分类器。

随着深度学习目标检测技术发展，当前人脸检测问题基本得到解决，剩下一部分较难的问题包括真实场景下的 大姿态，严重遮挡，模糊小脸，非真实人脸检测，仍然有部分研究空间。

关键点检测

目前正脸的人脸关键点检测研究非常成熟，剩下一部分较难的问题包括真实场景下的 大姿态，模糊脸关键点检测。

年龄是重要的生物特征，由于受到成长环境，妆造等因素影响，真实人脸年龄的估计是一个非常具有挑战性的问题。

人脸姿态估计与编辑

人脸属性分割

人脸属性分割属于图像分割在人脸领域中的应用，与人脸关键点检测的地位类似，它是人脸编辑等很多人脸任务的预处理步骤，可以辅助提升该类任务的性能。

人脸颜值与美颜

人脸颜值分析是一个具有非常强社交属性的需求，人脸美颜则是一个由来已久的研究课题，已经深入人们的日常社交。

当前以美白塑形为代表的技术已非常成熟，研究热点和难点在于 快速的个性化妆造迁移等方向。

人脸风格化

人脸风格化在内容创作，娱乐社交中非常重要，随着技术的发展，具有较大的商业前景。

换脸算法属于时下最流行的人脸编辑领域之一，已经从实验室走向了工业界，达到了以假乱真的效果。

人脸三维重建

人脸三维重建的研究已经有几十年的历史，但是基于图像的快速高精度三维人脸重建还没有工业落地，需要研究人员继续努力。

以上人脸的主要应用场景，每一个方向虽然都有了许多进展，但是也遗留着很多的难题并没有解决，人脸算法是整个计算机领域中最大的方向，值得每一个立志于从事计算机视觉领域的算法人员深入掌握。返回搜狐，查看更多

责任编辑：