人脸检测问题最初来源于人脸识别,是指在输入图像中判断是否存在人脸区域,进一步确定人脸的位置,以及面部特征信息等。现在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,并体现出越来越多的学术价值和应用价值。本文研究并提出了适用于复杂背景下的多姿态、复杂表情的人脸检测与定位算法,算法主要由以下三个部分组成:1.提出了改进与优化的肤色模型。本文针对Rein-Lien Hsu等人提出的椭圆聚类肤色模型在实验中出现的误检、漏检等问题,提出了改进方案和更为精确的肤色判决模型。实验结果证明,通过本文所设计的光照补偿、高通滤波两个预处理过程和本文改进的肤色分割模型,能够使从彩色图片的复杂背景中的更加精确地提取肤色区域。2.提出了适用于多姿态的人脸检测的区域筛选算法。首先,本文设计了基于形态学理论的二值形态滤波器,实现了对肤色二值分割图像进行平滑滤波,消除二值图像中的离散噪声点。然后,本文提出了基于邻域递归的区域编号算法,并设定了三个肤色区域筛选准则,实现了从具有复杂背景和多姿态人脸的图像中筛选出满足预定条件的人脸区域。3.提出了适用于复杂表情的人脸特征点定位算法。首先,本文利用人眼区域的灰度特性进行建模,并设计了通过限定面部边界、建模计算、局部图像重构、对比度增强、投影法精确定位等五个步骤使人眼部分从原图像中筛选出来,并准确地定位双眼瞳孔位置。然后,利用已定位的双眼位置,根据先验规则对嘴部区域粗定位,利用人嘴唇的色彩特性和牙齿部分的灰度特性进行建模,筛选嘴部区域,并精确定位区域中心点。大量的实验验证结果证明:本文算法的正确检测率达到94.3%,对人眼定位的准确率为93.4%,嘴部中心点定位的准确率为92.6%。本文算法可以适用于具有复杂背景下的彩色图像,尤其是多姿态、复杂表情的人脸检测与定位。算法体现出很强的鲁棒性。