人脸检测(face detection)问题最初来源于人脸识别(face recognition),是自动人脸识别系统中的一个关键环节。近几年随着电子商务等应用的发展,使得人脸检测开始作为一个独立的课题受到研究者的重视。今天,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,在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。 本文主要对人脸检测技术进行深入的探研,首先对现有的方法进行了研究,主要研究了基于肤色模型及梯度几何的人脸检测算法;最后将分形理论引进到人脸检测,并提出了一种新的人脸检测方法——基于分形纹理的Cascade人脸检测方法。 在基于肤色模型及梯度几何的人脸检测算法的研究中,对所存在的问题进行了较为深入的剖析,并在肤色模型的阈值选取和梯度几何搜索人脸方面提出了改进,实验表明此方法可以适合一般的彩色图像的人脸检测。 最后本文着重对分形理论在人脸检测的应用进行了一系列的探研。提出了一种新的人脸检测方法——基于分形纹理的Cascade人脸检测方法。这是首次在人脸检测引入分形理论。人脸中包含丰富的纹理,且在人脸图像被看作函数时,其表现出参差不齐和凹凸不平的不规则形状,显示出一定的自相似性,这些都说明人脸图像中存在着分形特征。本文通过对人脸与非人脸的分形纹理特征参数(盒维数,差分分形维数,空隙)进行研究分析,得到了分形纹理特征在人脸检测的可靠性;接着以分形纹理特征为分类的根据,并结合Cascade层叠分类器进行训练,得出了一种可以区分人脸与非人脸的强分类器,以此作为人脸检测。实验表明此方法有效可行。