人脸检测(Face Detection)是指给定静止图像或视频序列,不管图像中人脸的位置、大小、方向、姿势、光照等如何变化,找到并定位所有人脸确切位置的技术。人脸检测作为人脸信息处理中的一项关键技术,在感兴趣区编码、身份识别、基于内容的检索、自动监控、人机交互等方面有着日益广泛的应用,成为模式识别与计算机视觉领域内一项受到普遍重视的研究热点。随着相关研究的深入,人脸检测技术在可控环境下已能获得可供实用的检测率。然而,人脸是一类具有相当复杂细节变化的自然结构目标,这种复杂的变化给检测算法带来了相当大的困难,主要表现在人脸的姿势、表情、部分遮挡、光照条件、观察角度变化等,而且图像或视频中的人脸往往是嵌入在混乱的场景中。正是由于上述的这些难题,目前国内外仍没有一种算法能够不加限制地适用于所有场合。本文针对人脸检测与跟踪中遇到的一些普遍问题,研究了相应的解决方法,目标是建立起一套完整的人脸检测与跟踪算法,满足实际应用的需要。主要工作包括以下几方面内容: (1)高效的肤色分割预处理算法。基于CrCbCg 空间和模糊聚类的方法建立起更加有效的肤色模型,可用于高效的预处理; (2)快速、准确的检测算法。基于类Haar 特征和AdaBoost 学习算法构建分类器,使检测算法可以基本满足实用化的要求; (3)多姿态变化下的人脸处理。基于径向模板和多分类器并联的结构处理平面内、平面外的旋转人脸,扩展了算法的应用范围; (4)与监控系统的结合,将算法实用化。将基于多特征的人脸跟踪算法应用到实际的监控系统中,建立起一套面向人脸对象的智能监控系统。大量的实验数据以及与其他算法的比较表明,本文算法在正确率、误检率、检测速度等方面均可获得较理想的结果,是一种综合性能很强的完整、鲁棒、高效的人脸检测与跟踪算法。此外,基于人脸跟踪技术构建的智能监控系统也是将算法推向实用化的有益尝试,取得了令人满意的结果。