人脸检测(Face Detection)是指在输入图象中确定所有人脸(如果存在)的位置、大小、位姿的过程。人脸检测作为人脸信息处理中的一项关键技术,近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法。基于知识的人脸验证方法速度较快但检测率低,而且往往对多姿态的人脸无能为力,而基于统计学习的方法检测率高但速度较慢,对各种姿态的人脸都有一定检测能力。本文结合了二者的长处,设计出了一套检测率高,且对多姿态脸有一定检测能力的系统。本文首先采用HIN标准选择出了在不同色彩空间中肤色聚类特性最好的Cb,Cr,H,I分量,形成“混合肤色模型”,综合利用色调、色度和亮度分量对肤色进行分割。然后利用区域的矩特性进行分析得到合法区域,大大缩小了下一步分类器的搜索范围。本文采取的统计学习的方法是Paul和Viola在《robust real-time object detection》提出的。论文对原始算法做出了一些改进,首先应用了一种新的矩形特征,然后对原Adaboost的权值更新规则进行了修改,提高了算法的鲁棒性。