人脸检测作为人脸识别技术的基础,已经成为计算机视觉和模式识别领域中的研究和智能应用的热点。由于Viola和Jones的开创性工作使得正面人脸检测技术已经达到实际应用的水平,但对多姿态人脸检测目前仍没有满足实际应用需求的解决方案,后者的研究滞后成为人脸识别技术真正得到实际应用的障碍之一。本文聚焦在多姿态人脸检测方法的探讨,包括多种方法的算法研究、样本库的建立并最终实现一个在非控制光照条件较复杂背景环境下的多姿态人脸检测系统。具体的研究内容包括以下几个方面：1、搜集多姿态人脸图像(包括正脸、左侧脸和右侧脸)以及非人脸图像,建立多姿态人脸样本库,并在此样本库上训练多个不同姿态(正脸、左侧脸和右侧脸)的adaboost分类器,每个分类器可有效分类某一特定姿态的人脸。2、基于Viola和Jones提出的正面人脸检测方法,提出对人脸训练集样本和测试图像采用LBP方法进行纹理化处理的一种改进方法,并进行多姿态(包括正脸、左侧脸和右侧脸)人脸分类器的训练。LBP方法除了能有效利用人脸的纹理特征区分人脸和非人脸区域,而且对光照还有很好的鲁棒性,提高了本系统的稳定性。3、提出一种基于肤色分割和肤色区域几何特征及纹理特征结合的多姿态人脸检测方法。肤色区域提取不受人脸的姿态的影响,可首先根据肤色模型来分割人脸区域,然后利用Hu矩和LBP方法对肤色区域进行几何特征和纹理特征的约束。并利用支持向量机机器学习方法得到多姿态人脸检测分类器,可有效检测不同姿态的人脸。4、将上述提到的基于adaboost方法和基于肤色方法的多姿态人脸检测方法有效结合,从而进一步提高人脸检测的准确率。