肤色是人体的一个非常重要的生物特征。肤色分割在人脸检测,Web图像过滤,人脸图像检索,性别分类,年龄判别,医疗诊断,视频监控,人脸识别和身份验证中均有广泛应用。针对单一的基于肤色的人脸检测方法存在人脸区域与其它颜色相近的区域粘连,以及多姿态情况人脸检测准确率比较低等问题,本文开展了深入的研究,主要内容包括:1.提出了基于多高斯和Bayes结合的肤色分割方法。该方法通过对肤色色度多高斯拟合和自然图像色度的先验概率统计,通过分析这两组先验概率的不同分布,采用Bayes决策理论实现对彩色图像分类,从而达到分割肤色和背景的目的。同其它分割方法相比,在肤色和背景较接近的情况下,该方法肤色分割效果更好。2.提出了基于骨架和距离变换的区域粘连分割方法。该方法通过提取肤色区域骨架顶点信息和部分轮廓点作为特征点集,计算肤色区域每个点到特征点集之间的最短距离,得到极大值点集合,根据极大值点之间的距离,合并极大值点和肤色粘连区域分割。实验结果表明,该方法可以有效去除一些小背景区域,人脸与其他区域的粘连。3.提出了基于多特征融合的人脸检测方法。该方法通过融合眼睛,嘴巴和眉毛等特征区域以及特征区域方向和特征区域中心点之间几何关系约束,采用多特征融合进行人脸检测。实验结果表明,该方法在平面内和平面外带有一定旋转角度以及脸部含有复杂表情等情况下,能够更准确的检测人脸。4.提出了基于直方图的人脸轮廓平滑方法。该方法用轮廓及其中心点所构成的距离直方图,通过波峰和波谷的位置关系平滑轮廓。实验结果表明,该方法能平滑人脸轮廓,去除部分边界的突起小区域,从而能更准确的定位人脸特征区域。