人脸检测属于目标检测算法,是指在图像中检测出人脸位置并给出其坐标,人脸矫正属于关键点检测算法,是指在人脸图像上标定出人脸局部关键点坐标。通过人脸检测与矫正技术,可以从待检测图像或视频流中获取人脸图像,从而实现下一步针对人脸图像的各种处理手段。人脸检测与矫正技术虽然经过了多年的发展,取得了长足的进步,但是在无约束场景下,也就是复杂自然环境中的人脸检测与矫正仍然充满着各种困难因素,同时受制于各种移动端设备的处理能力,要想在自然条件下的移动端中准确且快速的完成人脸检测与矫正工作仍然是一个具有挑战性与实际意义的难题。人脸检测与矫正中存在着较多难题,主要为复杂环境下的人脸难以被机器检测以及检测效率难以提升,之所以会有这些难题是因为当人脸角度、面部表情以及环境背景和位置远近等不受控时,会对检测算法造成较大的干扰,针对这些问题,本文研究了无约束环境下的人脸检测与矫正算法的改进与实现。论文在对人脸检测与矫正技术做了基本概念、原理和方法的阐述之上,提出了一种基于检测与矫正联合框架的改进算法,该算法以检测与矫正联合框架为基础,通过同步进行人脸检测与矫正工作使各自的结果相互提升,在该框架基础之上,引用了两种特征提取方法分别用于分类和回归工作,通过这些改进的特征提取算法,搭配已有的联合框架,算法获得了较好的性能提升,从而实现了对原算法的改进。论文实现了该算法,并且阐述了其实现过程,并训练了该人脸检测与矫正算法的模型,并且在算法的优化部分提出了一些优化方法使得算法的性能与结果获得了进一步的提高,而且还使得算法的数据准备工作更加简便,最重要的是其中一些优化措施具有一定的普遍意义,在其他同类算法中也可以应用从而使得检测率获得提升;论文还分析了各类不同人脸检测与矫正算法的优劣与适用场合,并且分别与这些类别的代表算法做了比较,给出了它们针对不同场景的应用价值,最后通过对比实验结果以证明论文提出的算法所具有的改进意义,在有限计算能力下,论文提出的改进算法在目前多类公开算法中能够取得较好的性能表现,在效率不下降的情况下,相比已有的同类算法获得了召回率上的提高。基于该改进算法的实验结果表明,这种对人脸检测与矫正算法的改进策略能够使检测结果获得较好的提升,对经过改进后的人脸检测与矫正算法进行广泛的测试之后,证明其能够在无约束条件下取得更佳的检测效果,有效的提升了人脸检测与矫正的检测结果,达到了我们预定的设计目标。