[face detection]人脸检测_概率推理作业总结

final exam终于结束了，学期也结束了！probability inference这门课很有用，不过一学期上下来还是好心塞，非常感谢教授最后给我打了A+，值了~face detection 大作业，教授要求仅用课上所学的概率模型进行脸检测。

face detection问题 人脸检测是确定输入图像中脸的位置和大小的一类问题。由于人脸的遮挡，比如眼镜、帽子、刘海等，表情的变化，肤色的不同，正脸和侧脸的差异，外界物理因素，拍摄图像时光照强度的变化，阴影，图像噪声等等。诸多影响因素，使得face detection面临很多难点。

data preprocessing

1. 数据集论文链接：
   FDDB：A Benchmark for Face Detection in Unconstrained Settings
   http://vis-www.cs.umass.edu/fddb/fddb.pdf
   下载数据集：
   http://vis-www.cs.umass.edu/fddb/

2. 准备脸和非脸数据集：
   在FDDB中已经有ground true,直接从原图中crop人脸出来组成人脸数据集即可。这里有些处理的细节：
   at first，FDDB的txt文件中，有一些无用的信息，第一行是原图的编号信息，第二行是人脸的个数，接下来是每个脸对应的位置信息, 这里后面隔两个空格还有个1，这个是概率得分，这个对于crop脸是无用的信息，要将其移除;
   second，读取原始图片的时候，存原始图片的文件夹的命名最好是用英文，并且不要用空格，要不然vs很容易报错，调试的时候记得选release, x64;
   and then, 编写读取路径时，win10系统要采用左斜线//这样;
   finally，将crop的人脸存入文件夹时，存入的文件夹要保持关闭状态，要不然vs会报错。 接下来就是data preprocessing了，预处理做得比较简单resize之后灰度化和直方图均衡。我是把样本resize成20*20的，后续用的是混合高斯模型，这个模型比较坑，有个要求是数据矩阵的行数要比列数多，但是扩大训练集会出现ill-condition问题，或者直接协方差就奇异了，协方差矩阵不存在没法用贝叶斯计算！！！

建模原理

1. w=0代表非人脸，w=1代表人脸。分别用人脸和非人脸的训练样本去拟合标准脸的混合高斯曲线,得到标准脸和标准非人脸的均值跟协方差矩阵；
   
2. 假设没有先验知识的影响
   
3. 用贝叶斯公式判断人脸的位置
   

调试细节

1. 前面提到过，在Matlab中建MoG模型，调试提示错误：行数必须要比列数多。所以在resize训练样本的时候，resize成尽量小的patch,20*20
   其实个人认为，因为脸不是标准的正方形，而是矩形的，观测FDDB中txt文件x与y的值，近似成1.7的比例，resize成60*34，这样避免人脸被压缩；
2. 用Matlab中，调用的是gmdistribute的指令，先要将输入矩阵变成double，而且必须要默认协方差是对角型或者加上指定正则化项；
3. ill-condition的问题，在这个MoG建模中，这个问题纠结了很久，具体这个问题怎么产生怎么解决仍然不是特别明白,虽然后来调试成功了
   这里有些博文和资料专门讲MoG调试的：
   1.http://www.cnblogs.com/tadoo/archive/2011/06/01/2065244.html
   2.http://bbs.pinggu.org/thread-1333774-1-1.html
   3.http://freemind.pluskid.org/machine-learning/regularized-gaussian-covariance-estimation/
4. ill-condition总算过了，总以为可以进入测试阶段~呵~又掉另一个坑里了。MoG中系统自带的使用EM算法来迭代更新mvncdf，pdf算出来的概率全是零，这是咋回事？码了很久才发现，原来是没有数据归一化，在最初的时候double输入矩阵之后，就应该对矩阵进行归一化处理mapminmax(X,0,1)

结果图
终于调试成功了，附上几张结果图，虽然效果很差~毕竟是直接用像素做的，而且只用MoG建模比较粗糙，精度低是情理之中的事情，教授主要是要求我们把人脸检测的建模步骤跑一边，此外熟悉下概率论的内容。起初选MoG模型就是掉坑里了，实验室partner用的logistic regression模型，训练得到的分类器比MoG效果好很多~