人群聚集是一种风险较高且容易发生突发事件的敏感场景。在人口密度较大和城市化进程较高的都市中,容易在公共场所和娱乐设施等地出现人群聚集现象。人群聚集现象隐藏着突发和不易控制等因素,对人群聚集场景的检测有很重要的实际应用价值。目前国内外对人群聚集场景的检测主要集中在对视频的监控和分析上,基于静态图像的检测分析较少。本文主要针对人群聚集场景中比较正面的静态多人脸图像检测开展研究工作,研究成果可以用于人群聚集场景的判别、分类和人群密度的估算,为以后研究普适性更强的、能够处理群聚场景中有遮挡、角度变化、尺度变化等情形的多人脸检测算法奠定基础。本文的主要工作和创新点如下:(1)针对低密度人群的人脸检测问题,设计并实现了基于阈值分割与区域筛选的人脸检测方法和基于HSV与YCbCr色彩空间的多人脸检测方法。前者进行阈值分割并统计筛选前景区域面积,根据相应比例检测人脸。后者首先结合两种色彩空间的分量提取肤色区域,再利用相关比例去除过小的前景连通域,最后结合形态学变换去除噪声污染。实验结果表明,这两种方法能够有效解决低密度人群的人脸检测问题。(2)针对中密度人群的人脸检测问题,设计并实现了基于Lab色彩空间的肤色模型与OTSU算法的多人脸检测方法。该方法首先提取Lab色彩空间a、b分量的投影图像并作OTSU分割,再利用中值滤波去除矩阵元素与运算二值结果中的噪声。实验结果表明,该方法能够有效解决中密度人群的人脸检测问题。(3)针对高密度人群的人脸检测问题,设计并实现了基于肤色模型与Repetitive Pattern的多人脸检测方法。该方法首先利用肤色模型滤除背景噪声,根据SIFT特征及改进的匹配方法生成与选定纹理基元相似的族群空间,再利用归一化相关性分析提取普适性模板,进而继续生成相似纹理基元的族群空间直至收敛。实验结果表明,该方法能够有效解决高密度人群的人脸检测问题。