人脸检测是人脸信息处理分析中一项十分关键技术,它最初主要来源于人脸识别,是自动人脸识别系统中的一个重要环节,已成为计算机视觉和模式识别等领域内一项十分活跃而又热门的研究型课题,在视频检测与跟踪、基于内容检索、表情识别、视频编码、出入境安全检查、视觉监测等方面都有着非常重要的作用和实际应用价值。在彩色图像中,肤色特征是人脸的重要信息,具有不依赖于人脸面部细节特征,不受人脸旋转角度以及人脸尺度的影响,具有相对稳定性,以及良好的聚类性,并且具有处理速度快,肤色分割效率高。利用肤色特征信息可以快速的去掉大量背景干扰进而得到目标肤色区域,因此肤色分割成为人脸检测技术中一种十分重要手段。本文研究的主要内容:1、对目前国内外人脸检测方法分别进行了分类概括和总结,讨论了人脸检测技术中几种常见的颜色空间及其优缺点,同时分析了现有常见肤色模型建立方法以及各自的特点;2、根据对色彩空间和肤色模型的分析,提出了一种自适应肤色模型。它是基于YCbCr色彩空间中在不忽略亮度分量(Y)基础之上提出的,首先把肤色库中的图像从RGB色彩空间转换到YCbCr色彩空间,并根据亮度Y进行有限N等分,并求出每一等份中的亮度均值和色度的均值和方差,并根据亮度Y建立相对应的离散的高斯肤色模型,利用神经BP网络对这N个离散的高斯肤色模型参数进行训练拟合,进而得到一个随亮度自适应调整的肤色模型;3、在肤色分割的基础上,通过对人脸特征和面部器官几何关系进行候选人脸区域筛选,确定候选人脸区域,并利用马赛克规则进一步验证候选人脸区域,提高人脸正确检测率;4、在进行眼睛中心定位的时,先利用水平积分投影法确定眉眼区上下边界,再利用垂直积分投影确定人脸的左右边界,进而提出一种基于混合圆和椭圆的中心方法找到人眼中心位置。最后再利用基于人眼中心映射的进行人脸归一化,处理后的人脸包含了人脸面部的主要特征;5、对提出的新算法进行了大量的Matlab仿真实验,取得了较好的检测效果,对实际应用具有一定的参考价值。