4.1 Introduction

Face detection or face localization denotes the problem of finding one or several sub regions in images, each subregion containing a face, i.e. determining the position and scale of the respective face regions and sometimes also their rotation angle in the image plane. Face detection algorithms mostly represent their results as bounding boxes covering the regions of the image which are supposed to contain faces, i.e. one bounding box per face. Note that most of the face analysis tasks, e.g. face recognition, facial expression recognition, facial feature detection, require the localization of the face as an initial step.

Распознавание лица или локализации шрифт указывает задачу нахождения одного или нескольких суб регионы в изображениях, каждый суб область, содержащую лицо, т.е. определения положения и масштаба соответствующих лицевых регионов, а иногда и их угол поворота в плоскости изображения. Алгоритмы обнаружения лица в основном представляют свои результаты, как ограничивающие рамки, охватывающие области изображения, которые, как предполагается, содержат лица, т.е. один ограничивающий прямоугольник за лицом. Обратите внимание, что большинство задач анализа лица, например распознавание лица, распознавание лица выражение, функция обнаружения лица, требуют локализации лица в качестве первого шага.

Face detection can imply a pre-processing step conditioning the input image and performing a kind of normalization, e.g. converting the image to gray-scale, equalizing the intensity histogram of the image or image regions. Usually, this pre-processing is considered to be part of the face detection algorithm.

Обнаружение лица может подразумевать стадии предварительной обработки обусловливающее входного изображения и выполнения своего рода нормализации, например, преобразования изображения в оттенки серого, выравнивания гистограммы интенсивности изображения или изображения регионах. Как правило, это предварительной обработки считается частью алгоритма обнаружения лица.

Additionally, there can be a post-processing step further normalizing the result of the face detection procedure, e.g. the bounding boxes. Possible operations are illumination normalization, pose normalization or estimation, or face alignment, that means the global alignment of the bounding boxes w.r.t. the face images they cover. We will explain these procedures in more detail in sections 4.3-4.5, and in the following we will refer to them as face normalization. Face normalization is an important step in many face analysis applications because it eliminates visual information irrelevant to the respective task. For example, in face recognition, varying illumination conditions can cause face images of the same person to appear considerably different while the face images of two different persons under the same illumination conditions might look very similar. Thus, without a preceding illumination normalization the overall classification might be rather difficult.

Кроме того, может быть шаг пост-обработки дополнительно нормализуя результат процедуры обнаружения лица, например, ограничивающие коробки. Возможные операции освещения нормализации, нормализации представляют или оценки, или выравнивание лицо, это означает, что глобальный выравнивание WRT ограничивающие рамки лицевые изображения они охватывают. Мы объясним эти процедуры более подробно в разделах 4.3-4.5, и в дальнейшем мы будем ссылаться на них как лица нормализации. Лицо нормализация является важным шагом во многих приложениях анализа лица Так он устраняет визуальную информацию несовместимых с соответствующей задачи. Например, в знак признания лица, различные условия освещения может вызвать изображения лица того же человека появляются значительно отличаются в то время как изображения лиц двух разных людей в тех же условиях освещения может выглядеть очень похожи. Таким образом, без предшествующего освещения нормализации общий классификации может быть довольно трудно.

In the following sections, we will first outline the state-of-the-art in face detection and describe in more detail one method based on CNNs that has been used throughout this work, the Convolutional Face Finder [81]. Then, we will present a brief overview of current illumination normalization and pose estimation techniques, and finally we will focus on the process of face alignment and present a novel system for global affine alignment of face images using CNNs.

В следующих разделах мы сначала наметить государство-Of-The-арт в обнаружении лица и описать более подробно один метод, основанный на CNN, который был использован на протяжении этой работы Сверточное лица Finder [81]. Затем мы представим краткий обзор текущего освещения нормализации и представляют методы оценки, и, наконец, мы остановимся на процессе выравнивания лица и представить новую систему глобального аффинной выравнивания изображений лица с использованием CNNs.