策略对反例（非人脸）样本进行重采样，我们则重点考虑了对正例（人脸）样本的重采样问题。思路1：基于GA的人脸样本重采样给定一个训练集合，通过交叉、变异等遗传算法操作对已有样本进行扩展并通过优化选择来“优胜劣汰”新生代样本，从而最终扩大训练集合的规模。其中，交叉操作是通过交换不同人脸的眼睛、鼻子、嘴巴等部件来完成的，而变异则包括各种相似变化、灰度变换等，参见FG04，ICPR04软件学报。
1
f思路2：基于流形的人脸样本重采样收集到的人脸样本训练集往往不可避免的会有噪声数据，或者由于采样过程的无意“有偏”导致样本分布的偏差。因此，有必要对训练样本进行“重采样”，“净化掉”噪声样本。而人脸样本的多样性导致数据分布的非线性，因此我们采用了流形学习的方法。参见AVBPA2005。基于Gabor特征表示的人脸检测方法问题：Viola等人提出的AdaBoost算法中人脸弱特征表示采用的是Haar特征，Haar特征具有计算简单的优点，但其缺点是特征表示能力比较弱，因此在一定程度上容易带来较多的误检。思路：考虑到Gabor特征已被广泛应用于人脸识别中区分人与人之间的细微差别，因而具有更强的表示能力，我们尝试了将其应用到人脸检测中。结果表明：在不考虑计算效率问题的条件下，基于Gabor特征的人脸表示方法取得了比Haar特征更好的检测性能。但考虑到Gabor特征的计算复杂度较高，不适于应用到要求快速检测的场合，因此我们考虑了系统前端采用Haar特征尽快过滤大量非人脸区域，而在最后阶段采用复杂度更高但具有更好的区分能力的Gabor特征，实验表明这样的由粗到细的检测策略在一定程度上提高了检测算法的性能。参见ABPA2004。基于最富信息空间直方图的物体检测方法问题：近年来，基于空间直方图的物体表示方法得到了人们的重视。通过改变位置、尺度等，可以提取大量空间直方图特征，但他们并不具有同等的判别能力，有必要进行降维和选择。思路：采用Fisher可分性判据及其彼此之间的相关性对空间直方图特征进行选择，形成低维度的空间直方图作为物体的更加紧凑高效的表示。参见IJCNN2005基于人脸灰度重心模板的人脸检测方法思路：该方法是一种基于规则模板匹配的人脸检测方法，通过对原始图像的Mosaic化提取对应面部主要器官的横纹重心特征，并与专家总结出的若干标准人脸模板进行比对实现人脸检测，参见IJIG2003。
2
f面像识别技术的原理及其技术指标200903012304
九十年代后期，随着计算机处理速度的飞速提高r