在目前的人脸图像信息处理领域中，包含有人脸识别、人脸跟踪、姿态估计、表情识别等多个研究方向，然而，所有这些研究方向都涉及到一个人脸标识和定位的问题，即必须知道人脸在图像中的位置以及尺寸——人脸检测。因此，对于一个完整的、自动的人脸信息分析系统来说，人脸检测算法是必不可少的。 人脸检测方法研究已经有二十多年了，然而，到目前为止，由于人脸检测问题自身的复杂性，使得虽然有众多研究人员潜心研究多年，仍旧未能得到彻底解决。本文作者结合研究生阶段所参加的科研项目，对人脸检测问题作了一些探讨。 工作主要体现在以下三个方面的： (1) 提出了一种基于YCbCr色彩空间的肤色区域分割方法。 基于不同的色彩空间用于人脸检测的对比，本文选择YCbCr色彩模型宋进行肤色分割。因为在YCbCr色彩模型中，亮度信息包含在Y成份中，色度信息在Cb和Cr中，因此可以轻松地去掉亮度信息。将该方法作为人脸检测系统的预处理过程，可以快速去除复杂背景，将更多的运算能力集中在可能存在人脸的肤色区域，从而提高人脸检测系统的执行效率和整体性能。 (2) 提出了一种基于肤色区域分割预处理与模板匹配的人脸检测方法。 有关使用模板匹配进行人脸检测的研究由来已久，这种方法简单易行，在正面人脸检测中，其性能稳定、可靠。然而，模板匹配也有着很大的局限性，例如，很难预先定义标准模板、计算代价较大、对背景较为敏感。同时，利用肤色特征进行人脸检测计算代价较小，但是稳定性较差。因此，本文将YCbCr肤色特征提取与模板匹配方法的优点结合起来，构造出一个新的人脸检测器。通过采用受限的窗口扫描策略，和引入标准模板数据库，减少了因扫描窗口和窗口重采样而浪费的计算代价，从而提高了算法的效率和检测性能。 (3) 提出了一种基于肤色区域分割预处理与神经网络验证的人脸检测方法。 人工神经网络系统用于人脸检测虽然取得了极大成功，但同样因为要对输入图像穷举扫描，在很大程度上影响了检测效率，这限制了它在一些对实时性有要求的人脸检测应用中的使用。本文在D．Anifantis等提出的MLP网络人脸检测器基础上，通过肤色区域分割预处理产生备选人脸区域，在备选区域上，通过受限窗口扫描采用D．Anifantis等的MLP检测器进行人脸检测。实验证明采用该方法减少了窗口扫描的计算代价，比传统神经网络方法具有更高的执行效率和总体性能。