人脸检测是确定人脸的位置、大小、数目的图像处理过程。人脸检测是人脸识别、人机交互、智能视觉监控等工作的前提。随着计算机应用的普及、性能的提高以及图像处理和模式识别领域的研究逐步成熟，对人脸检测的研究也将受到越来越多的重视。 本文针对复杂背景下的人脸检测问题展开研究。在分析现有人脸检测方法优缺点的基础上，提出了一种粗检测与验证相结合的人脸检测算法。粗检测主要应用的是改进的肤色模型和唇色阈值的方法；验证采用了模板匹配算法。 论文的主要工作包括： 肤色是人脸重要特征，在通过肤色采样统计和聚类分析后，确立了一种在YCbCr空间下的基于分段高斯模型的肤色分割方法。在YCbCr色彩空间中建立肤色分布的高斯模型，得到肤色概率似然图像，根据最优阈值进行二值化，然后，通过肤色分割得到若干可能肤色块； 唇色在人脸上有明显的颜色特征，通过唇色样本统计和聚类分析得到唇色的三重阈值，在可能肤色区域中搜索嘴唇，并根据嘴唇的大小和位置确定人脸的大小及旋转角度； 在掌握模板匹配的原理和实现算法后，使用一种平均脸模板匹配算法进行人脸检测，平均脸模板采用手工制作的方法，含有正面、侧面等多种角度及大小的模板。实验中使用该方法进行人脸检测最后阶段的验证，并针对非端正人脸，给出了解决方案。 最后，分析颜色分割和模板匹配算法在检测工作中各自的优势和缺点，将两种方法结合起来，构建了一个新的人脸检测算法。对通过肤色分割得到的候选人脸区域，使用模板匹配算法进行确认，得到人脸检测的最终结果。 实验结果表明，该算法是有效的，具有较高的检测性能。