人脸研究,主要包括人脸检测、人脸跟踪、人脸识别以及衍生出来的姿态和表情分析等几个主要领域,其中人脸检测是人脸信息处理领域中的一项关键技术。最初的人脸研究主要集中在人脸识别领域,而且早期的人脸识别算法都是在认为已经得到了一个正面人脸或者人脸很容易获得的前提下进行的。但是随着人脸应用范围的不断扩大和开发实际系统需求的不断提高,这种假设下的研究不再能满足需求。人脸检测开始作为独立的研究内容发展起来。本文首先归纳和分析了当前人脸检测的典型算法,然后提出了一个由粗到细的多阶段的筛选与验证方法,以定位复杂背景中人脸数目、大小、位置均未知的人脸。该方法首先分析、比较了肤色在各色彩空间中的聚类性,然后再在所选定了YCbCr色彩空间中建立了肤色模型,对肤色进行了相似度分割和二值化处理。由于噪声无所不在,我们对二值化后的图像进行了基于数学形态学的滤波处理,之后将此结果作为候选人脸区域输出。在筛选与验证阶段,本文主要利用了人脸的几何特性:面积、长宽比、中心等进行了粗步筛选,最后利用欧拉数与发色模型相结合的方法,对筛选后的候选区域进行了再次筛选与验证,得出了最后结果。本文由于使用肤色模型减少了复杂背景中的候选区域,并且后续算法也简单实用,因此与基于神经网络、支持向量机、模板匹配等算法相比,检测速度较快。但是肤色模型易受光照的影响,因此我们提出了利用“灰度世界假设”理论对图像是否存在色彩偏差做出判断,如果存在,则采用“参照白”方法进行光照补偿,提高了该肤色模型对光照变化的鲁棒性,从而改进了基于肤色的检测算法所共有的缺点——对光照敏感,降低了漏检率。本文的最后利用Visual C ++ 编程工具对该算法进行了实现,并且我们在自己所建立的人脸测试图像集上作了许多实验。结果数据表明本文所提出的算法对复杂背景下的彩色人脸检测具有较好的鲁棒性,对姿态、光照、年龄有较强的适应性,但是由于人脸自身的复杂度、以及人脸中的许多遮挡,该系统还是存在一些漏检和误检,但总的来说,正确率可以达到80%以上,具有一定的实用性。