人脸检测是指使用计算机在动态的场景或复杂的背景中检测出人脸的存在,并确定所有人脸位置与大小的过程。人脸检测技术不仅是人脸识别、表情识别、人脸跟踪等技术的重要前提条件,同时在模式识别、人机交互、智能监控、视频检索等领域引起了广泛的重视。本文针对复杂背景下的多姿态彩色图像的人脸检测问题作出了一些探讨,主要研究工作体现在以下三个方面:(1)研究了基于肤色分割的人脸检测技术。首先利用肤色的聚类特性,采用高斯肤色模型对图像中的皮肤区域和非皮肤区域进行分割,再通过分析人脸区域的特征,初步确定候选人脸,为后续工作对人脸的细检打基础。实验表明,该方法能够快速实现复杂背景下彩色图像的人脸检测,并且对于光照、表情、姿势等变化具有较强的鲁棒性。(2)提出了一种基于Adaboost人脸检测算法的改进算法。Adaboost是一种构建准确分类器的算法,它将一族弱学习算法按照一定规则结合提升为一个强学习算法,通过样本的训练得到识别准确率理想的分类器。针对Adaboost算法在训练过程中的过配现象和检测过程中的耗时问题,本文作出了改进,提高了分类器的性能。(3)将基于肤色分割和基于改进Adaboost算法的人脸检测结合起来,提出一种新的人脸检测方法。该方法具有肤色检测正确率高,稳定性好的优点,同时也具有Adaboost算法误检率低的特点,在不影响速度的前提下提高了检测的正确率,实现了更准确的人脸检测。在实验中从不同大小、背景、光照和表情等方面对多姿态的人脸图像进行了检测,并与其他方法进行了比较,实验表明:该方法可以有效地运用于多姿态、多人脸和复杂背景的情况,是一种有效且实用的人脸检测方法。