人脸检测是计算机视觉、模式识别研究中一个很受关注的研究热点,而且它在自动人脸识别系统、视觉监控、基于内容的检索以及新一代的人机交互技术等领域都有着广泛的应用。然而,由于人脸检测问题本身的复杂性,使得人脸检测算法一般都存在计算量大、速度慢、误报率高的弱点。 支持向量机(Support Vector Machines,简称SVM)是建立在统计学习理论基础上的一种新的模式识别技术。通过采用结构风险最小化原则,SVM较好的解决了小样本学习的问题。利用核函数思想,它又能把到高维特征空间中的映射和特征空间中的点积简化为输入空间中的解析式计算,降低了算法的复杂度。然而,SVM仍然存在着一些问题,如训练算法速度慢、算法复杂以及检测阶段运算量大等。 本文针对彩色图像提出了一种新的快速正面人脸检测方法。首先采用肤色检测技术获得图像中可能存在人脸的区域,然后采用基于SVM的检测方法在可能存在人脸的区域进行检测。因为检测的区域比较小,所以该方法在保证检测的准确性同时获得了接近实时的检测速度。基于SVM的方法包括训练和检测两部分:训练过程是用大量人脸样本、“非人脸”样本训练SVM分类器,使之获得一个最优分类超平面:检测阶段用训练好的SVM分类器检测图像中的人脸。 试验证明本文提出的人脸检测方法是合理的,具有一定的实用价值。