人脸具有相当复杂细节变化。文章针对人脸检测中遇到的一些问题，研究了相应的解决方法。通过不同色彩空间用于人脸检测的对比，选择基于YCbCr和HSV色彩空间的肤色模型来进行肤色分割，配合Adaboost算法提高人脸检测的鲁棒性。肤色分割的方法对于人脸的姿态、大小等不敏感，但是类肤色区域影响算法性能。基于Adaboost算法的人脸检测对正面人脸的效果明显，但对侧面人脸检测效果不好。通过比较两种方法，提出了肤色分割与 Adaboost融合的算法的方法，充分利用人脸的灰度信息和肤色信息。我们先对彩色图像进行肤色分割，同时使用基于Adaboost算法的人脸检测，然后对检测出来的两组结果进行比较后筛选出最终的人脸。实验数据比较表明，算法在正确率和误检率方面对原有的基于Adaboost算法的检测有了明显的改进，是一种综合性能很强的完整、鲁棒、高效的人脸检测算法。 像貌合成根据目击者或受害人对犯罪嫌疑人面部特征的描述，调用数据库中存储的相应面部特征部件数据，利用计算机数字图像处理技术对他们进行拼接，得到与目标人脸相似的模拟像技术。文章针对现有人脸像貌合成仅能得到二维人脸像貌的不足，提出了多姿态多视角三维人脸像貌合成系统。该系统不仅可自动合成二维人脸像貌，而且还可重建三维人脸像貌。系统首先对二维人脸基本部件进行特征点检测。自动合成二维人脸之后读取部件特征点的信息。基于三维人脸统计模型与仿射变换，建立二维人脸特征点与三维人脸之间的匹配对应，通过纹理映射，实现三维人脸重建。基于所得三维人脸，通过旋转，得到不同视角下的多姿态三维人脸像貌，实现多姿态多视角对人脸的查看，提高辨识效果。