顔検出：概要、手法、歴史、用途、課題

代表的な手法

手法は、人手で設計した特徴量を用いる方式からディープラーニングへと発展してきました。代表的な方法には、次のようなものがあります。

• 古典的モデル：テンプレート照合、Haarカスケード、サポートベクターマシン（SVM）と組み合わせた方向勾配ヒストグラム（HOG）。
• ディープラーニング：畳み込みニューラルネットワーク（CNN）や、顔検出向けに適応したシングルショット検出器。たとえば、境界ボックスとランドマークを予測するマルチタスクネットワークがあります。
• ハイブリッド型パイプライン：高速な候補領域提案法と、より高精度な分類または回帰の段階を組み合わせた多段階の方式。

歴史と発展

初期の研究では、単純なテンプレートや統計的分類器が使われました。実用的なリアルタイム検出における重要な到達点は、2000年代初頭に開発されたカスケードベースの手法でした。2010年代のディープラーニングの台頭により、精度と堅牢性は大きく向上し、さまざまな顔の向き、大きさ、照明条件での検出が可能になりました。

用途

顔検出は、写真撮影時のオートフォーカスやタグ付け、拡張現実のフィルター、運転者モニタリング、ヒューマン・コンピュータ・インタラクション、生体認証システムの前処理など、多くの消費者向け・産業向け用途を支えています。また、群衆の人数計測や行動分析のための映像解析にも用いられます。

限界、違い、懸念

性能は画像解像度、顔の向き、遮蔽、照明に左右されます。顔検出は、個人を識別または本人確認する顔認識とは異なり、目や口などのキーポイントを位置特定する顔ランドマーク検出とも異なります。実際の導入ではプライバシーと倫理に関する問題も生じます。システムは誤って識別することがあり、人口統計学的集団によって性能に偏りが出る場合もあります。技術的な資料やデータセットについては、研究サーベイ、開発者向けページの実装ガイド、学術リポジトリのベンチマーク集と論文を参照してください。