近年来,人脸检测作为人脸识别、视频监督、人机交互和人脸图像数据库管理等识别应用的关键和首要的步骤,一直受到众多研究者的关注。但是到目前为止,由于人脸检测受到表情、肤色、姿态、光照、年龄、图像质量及可能存在的眼睛、发型、胡须等因素的影响,众多研究者均未对人脸检测问题给出彻底的解决方案。本文收集和分析了近年来国内外大量的关于人脸检测和面部特征定位的研究报告和学术论文,对人脸检测系统的建立进行了深入的研究。并在人脸检测技术研究成果的基础上,提出了复杂背景下彩色图像的人脸检测方法。本文的主要研究工作和创新点有:(1)利用肤色对彩色图像进行人脸检测时,检测结果常常受到光照的影响。因此本文提出一种新的光照补偿方法:该方法利用“灰度世界假设”理论对图像是否存在色彩偏移进行判断,如果存在则进行光照补偿;同时我们引入一个对数函数对“参照白”光照补偿方法进行了改进。实验证明,该方法提高了肤色模型对光照变化的鲁棒性,从而解决了肤色检测中常见的对光照敏感、漏检率高等问题。(2)选用YC_bC_r色彩空间建立肤色模型,并对肤色进行相似度计算和二值分割,对得到的二值图像进行数学形态学滤波以去除噪声的影响,输出候选人脸区域。同时利用人脸的长宽比、面积和欧拉数对候选人脸区域进行初步筛选。(3)利用嘴唇在YIQ色彩空间的红色特性提出了一种新的嘴巴定位方法,该方法打破了嘴巴定位需依赖眼睛定位的传统,大大提高了器官检测的正确性。同时通过计算灰度图像的图像复杂度对眼睛进行定位。(4)本文还对人脸面部器官的结构关系进行了深入的研究,将人脸面部器官的位置信息转化为位置比例关系和角度关系,这样可以省去图像归一化过程,减少计算量,同时还大大提高了面部器官定位的准确性。(5)本文利用Visual C++6.0和Matlab 7.0对该人脸检测算法进行了实现,并在自建的人脸测试图像库上做了很多实验。实验数据表明本文所提出的算法对复杂背景下彩色图像的人脸检测具有很好的鲁棒性,对光照、姿态、表情、年龄和图像大小、角度的变化都有较强的适应性。总的来说,该检测系统的检测率可以达到84%以上,同时由于检测时间较短,本算法还具有一定的实时性。