自然场景理解是计算机视觉领域的研究热点之一;但是,自然场景理解包含的研究范围较为广泛,包括了物体检测、物体识别、场景分类、图像理解等可归属于场景理解的多个问题。本文选取了室内场景下的人脸和室外场景中的文本两种类别,分别展开了室内场景中人脸的检测与识别、以及室外场景中文本的检测研究。本文的具体工作如下:1.根据可检索的文献,目前缺乏专门针对室内场景的人脸数据集。针对这一问题,本文采集并建立了室内场景人脸数据集Imagine-face,其中包括19239张在不同室内光照条件下人脸图像,人脸属性均进行了手工标注。2.针对现有算法对室内场景中人脸检测的精度不高和速度较慢的问题,本文提出并实现了基于样本划分的室内场景人脸检测算法。该方法首先对训练样本集作预划分,然后通过级联网络方式进行室内场景人脸检测。算法在公开人脸数据集和本文所采集的室内人脸数据集Imagine-face上进行了实验对比,结果表明本文方法可以在室内场景人脸检测方面取得了较好的检测效果。3.针对室内场景下人脸姿态多变的问题,本文提出并实现了基于空间转换的室内场景人脸识别算法。该方法通过空间转换结构针对室内场景的人脸姿态进行矫正,然后使用神经网络对矫正后的人脸图像进行特征提取,最后采用深度特征间的余弦距离度量来识别室内场景人脸。在公开数据集和本文所采集的室内人脸数据集Imagine-face上的对比实验表明,本文提出的算法提高了人脸识别在室内场景条件下的识别准确度。4.针对街景、道路等典型室外场景中文本检测准确度不高的问题,本文提出并实现了基于LER(连通极值区域)区域提取算法和两阶段CNN(卷积神经网络)分类网络的场景文本检测算法。在公开数据集上的实验表明,本文提出的算法在非连通区域类型的场景文本检测中取得了较好效果。