摘要
我们提出了一种方法来应对无约束人脸检测中的挑战，例如任意姿态变化和遮挡。首先，提出了一种新的图像特征——归一化像素差（NPD）。NPD 特征计算为两个像素值之间的差异与总和之比，这一概念受到实验心理学中韦伯分数的启发。该新特征具有尺度不变性、有界性和能够重建原始图像的特点。其次，我们提出了一种深度二次树来学习最优的 NPD 特征子集及其组合，以便通过所学规则对复杂的人脸流形进行分割。这样，只需一个单一的软级联分类器即可处理无约束人脸检测。此外，我们展示了 NPD 特征可以通过查找表高效获取，并且检测模板可以轻松缩放，使得所提出的面部检测器非常快速。在三个公开的人脸数据集（FDDB、GENKI 和 CMU-MIT）上的实验结果表明，该方法在杂乱场景中检测具有任意姿态变化和遮挡的无约束人脸方面达到了最先进的性能。