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、姿势估计、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。人脸作为图像与视频中最重要的视觉对象之一，提供了大量视觉信息，是人类进行身份确认最方便最直观的方式，因此一直是机器视觉领域的研究热点。人脸检测是指对任意给定的一幅图像判断其是否存在人脸；如果存在，则还需要进一步指出人脸的具体位置及范围。人脸检测是全自动人脸识别系统和许多监视系统的第一步，也是自动目标识别和通用物体检测的重要方面。在智能人机接口、数字视频处理、保安等领域有着极为广泛的应用价值。本文在总结和分析现有人脸检测技术的基础上，重点研究了基于肤色的人脸检测技术以及基于矩形特征的人脸检测技术。论文主要工作包括：1．研究了一种基于肤色的彩色图像人脸检测算法。本文选择目前广泛使用的YCbCr色彩模型来进行肤色分割和人脸验证，最终构建了一个纯粹利用肤色来检测人脸的检测系统。本文采用了一种光照校正算法部分消除光照对颜色影响，提高了检测算法的适应能力，并对肤色区域分割和肤色区域合并算法进行了一定研究，实验结果表明，这种人脸检测方法对于不同姿态、不同表情的人脸均有较好适用性。2．研究了一种基于矩形特征的人脸检测技术。首先利用一个固定大小的训练样本集训练出每个矩形特征对应的弱分类器；在弱分类器的选择上，做了一些改进。通过AdaBoost算法对训练出的弱分类器进行性能的提升，组成包含多个弱分类器的强分类器；最后将得到的多个强分类器构建成具有级联结构的人脸检测器，实验结果表明该检测器可以快速准确的检测出图像中的人脸。3．在VC++平台下对两种算法进行了实现。4．构建了一个人脸检测用的训练样本集，其中包括1000个人脸样本，10000个非人脸样本集，每个人脸样本均为正面、光照均匀、无遮挡的人脸。