人耳检测作为人耳识别过程的第一步,有着不容忽视的作用和价值。目前大多数人耳识别的研究工作都是在假定图像中的人耳己经被检测和定位的前提下进行的。为了实现人耳识别系统的自动化,快速而高效地检测和跟踪人耳是一个亟待解决的问题。人耳检测可分为静态人耳检测和动态人耳检测,本文主要研究动态人耳检测方法。现在已经存在一些人耳静态图像库,但是还没有公开的人耳视频库。而为了检验人耳检测和识别算法的优劣,建立一个标准的、开放的动态人耳图像视频库是非常重要的。因此,本实验室创建了一个具有一定规模的人耳图像视频库。该数据库包含了120个中国人的人耳,采集时每个人具有2种典型光照变化,2种运动类型和3种干扰,充分考虑了研究用途和实际应用场合。每人采集30段不同情形的视频,总共采集了3600段视频。本文通过对现有的人耳检测方法进行研究,在保证检测率的前提下,为了提高人耳检测的速度,提出了一种新的人耳检测方法。首先利用样本离线训练人耳肤色直方图,接着采用改进的CamShift算法完成人耳初定位,最后利用多步校正的改进AdaBoost算法实现人耳的精确定位。在该方法中,将人耳图像的肤色信息和灰度图像的Haar型特征信息结合起来,为解决人耳检测的实时性问题提出了一个新的思路。该方法中离线训练阶段使用了3600个正样本和5300个负样本,共训练了12层。整个检测流程在Windows XP操作系统平台上用C和C++编程实现。最后,我们使用该方法对实验室采集的3600段人耳视频进行了检测,结果表明,该方法能够满足实时性的要求并且检测率达到93%。该方法对各种姿态、形状、大小的左右耳都有比较好的适应性。