人脸检测(face detection)问题最初来源于人脸识别(face recognition)，是自动人脸识别系统中的一个关键环节。近几年随着电子商务等应用的发展，使得人脸检测开始作为一个独立的课题受到研究者的重视。今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。 针对当前人脸检测的研究现状与难题，本文做了如下工作： (1)探讨了采用肤色分割缩小人脸搜索区域的方法。 肤色是人脸区别于其他景物的一个重要特征，基于肤色的人脸分割首先需要解决的问题就是选择颜色空间。本文就近期人脸检测中常用的颜色空间中的肤色提取模型进行了介绍与分析，相比而言，Anil K·Jain的Cb、Cr椭圆聚类法肤色分割效果较好。但是对于亮度较低的区域容易误判为肤色，对于亮度较高的肤色区域误判为非肤色区域。本文针对Anil K·Jain的Cb、Cr椭圆聚类法进行肤色分割的缺点，在进行肤色提取前，首先对亮度区域进行划分，在不同的亮度区域运用不同的公式来检测肤色点，这样可以减少在高亮度区域和亮度较低区域中的肤色点的误判问题。实验证明，本文的方法效果好，在人的眼睛、嘴巴等部分有更好更细致的检测效果。 (2)提出了基于肤色、几何特征和灰度信息的人眼定位算法。 眼睛是一个在人脸检测中极为重要的人脸特征，一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。本文提出的基于肤色信息、几何特征和灰度信息的算法是一种快速、高效、稳定的人眼检测算法。算法采用由粗到细的检测策略，先进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，然后结合人眼几何特征进行初步定位，再利用人眼的灰度信息进行精确定位。该算法定位效率高，并对背景、尺寸等细节具有很好的适应性，在人脸实时检测系统中具有很好的应用价值。 (3)提出了基于差分图像和PCA主元分析的人脸检测算法。 本文提出了一种基于差分图像和PCA主元分析的人脸检测算法，并对特征脸技术进行了改进。基本思想是由肤色检测出人脸存在的可能区域，然后在这些可能的区域中进行细致的匹配，找出人脸的准确位置，并利用马赛克模板排除虚假人脸。考虑到图像像素间的相关性，人脸特征提取的同时，对原始图像和其水平方向及垂直方向的差分图像进行PCA分析，从而提高了人脸检测的稳定性。