人脸检测问题最初是作为自动人脸识别系统的定位环节被提出,它是在输入图像中确定所有人脸位置、大小、位姿的过程。近年来,随着智能化信息处理技术的发展,其在模式识别与计算机视觉领域受到普遍重视,已成为一个十分活跃的研究方向。本文构建了一种包含肤色的层次式由粗到精的人脸图像检测模式,将肤色粗检测、数学形态学击中击不中变换与神经网络验证结合起来,逐步排除,一步一步缩小搜索区域,实现彩色静止图像中单个或多个人脸的检测与定位。首先利用肤色在色度空间中的聚类特征,通过收集一定数量的样本选择彩色空间并建立合适的肤色模型,然后采用分割算法对肤色区域进行分割。初步地将图像中绝大多数的肤色区域与背景区分开来,并进行判断、筛选,减少了待检测图像大小,为下一步人脸验证确定候选区域。进行了肤色粗检测之后,进一步验证人脸的存在,这也是本文要研究的重点。将人脸候选区域进行预处理并经过形态学击中击不中变换(HMT)后,对于人脸这类复杂、难以显式描述的检测模式,其基于神经网络的方法具有独特的优势,即把人脸模式的统计特性隐含在神经网络的结构和参数之中,通过对大量样本的训练,构建了一个神经网络分类器来完成验证任务。并通过实验得到更精确的分类检测效果,验证了算法在人脸目标检测与定位方面表现出的良好性能。最后提取和定位出人脸特征主要器官眼睛和嘴。