21世纪以来,互联网领域的科学技术不断更新迭代,生物识别技术在当今的人工智能时代下更是大放光彩,作为生物特征识别领域的一大分支,人脸识别技术逐渐成为一个热门的研究课题。人脸识别技术包括人脸检测、图像预处理、特征提取以及匹配识别四个部分。人脸检测是人脸识别技术的第一步,人脸检测是一种计算机技术,它指对于一幅图像或者视频,采用一定的策略来判断其中是否包含有人脸,并准确的标记出人脸位置。早期的人脸检测主要专注于在单一背景的静态图片中检测出人脸位置,经过多年的发展,现在的人脸检测技术更多的用于复杂背景下的动态视频检测中。由于人脸检测结果易受遮挡物、角度、光线等环境因素的干扰,因此目前常用的人脸检测算法普遍存在检测率低、误检率高、无法检测多角度人脸等缺点。本文主要对视频图像中的人脸检测算法进行研究,利用相关的技术对帧图像进行逐步处理后再进行人脸检测,有效解决了传统算法的缺陷。本文的主要工作内容如下:1、详细地介绍了人脸检测的研究背景以及研究视频图像中的人脸检测算法的实际意义,概括了四种人脸检测方法的分类,并介绍了人脸检测算法性能的评价指标。2、对本文中采用的运动目标检测技术、图像去噪技术以及肤色检测技术作了具体介绍,包括各项技术基于的算法思想以及算法的实现过程;在Viola-Jones实时人脸检测算法的基础上提出了三组新的Haar-like特征用于对强分类器进行训练,最后形成的级联分类器可以适应多姿态人脸的检测。3、设计了一种视频图像中的实时人脸检测系统,并在MATLAB平台上进行实现。首先利用视频中的运动信息提取出运动目标,然后对帧图像进行去噪处理以及肤色检测,将帧图像分类为肤色区域与非肤色区域两类,在级联分类器对视频帧图像中的所有子窗口进行检测之前,使用判决函数判断子窗口中的肤色像素的比例,通过这一步骤有效地拒绝了大量不包含人脸的子窗口,在保证高检测速度的同时,提高了算法对多姿态人脸的检测率。