肤色是一种简单有效的特征，在人脸检测中得到广泛的关注和应用，但传统的基于统计的肤色检测方法不能克服光照、摄像机、肤色差异等因素的影响。 本文的工作：通过分析遗传算法的交叉和变异算子，引入具有交叉位置控制的最大Hamming距交叉算子以及具有变异位置控制的变异算子，性能测试结果比SGA和AGA都有明显的提高；选择适当的网络结构，使其肤色检测结果对门限选取的敏感程度大大降低，具有良好的稳定性；采用改进的遗传算法和BP算法相结合的方法进行网络的权值和阈值的优化，网络的性能较之单独采用BP算法优化得到明显改善；在肤色检测中，引入数据的预处理环节，大幅提高了网络的肤色检测速度；通过肤色特征和几何特征进行眼睛块的分割，对候选眼睛对编号，将编号作为遗传算法的解空间并实现了人脸的定位。新意之处：利用肤色是一种感知现象的特性以及神经网络的强大感知、学习功能，采用进化神经网络对肤色进行感知和分类；以眼睛的几何和周边的肤色特征分割眼睛块，克服了在完整的肤色区域内检测人脸方法的局限性；对候选眼睛对的编号而不是人脸在图像中的位置、人脸的尺度和方向进行编码，使遗传算法用于人脸定位时的问题空间得以大大简化，采用一个新颖的眼睛及脸颊部位的灰度投影及肤色模板验证，可以实现多尺度、任意方向的正面人脸检测，实验结果令人满意。 第一部分，遗传算法原理、算法改进及其性能测试；传统肤色检测方法的研究。第二部分，基于进化神经网络的肤色检测算法。第三部分，复杂背景彩色图像中用遗传算法实现了人脸定位。