基于生物特征的身份认证技术近年来发展迅速。与其它生物认证技术相比,人脸识别具有更直接、友好、方便的优点,是当前热门研究领域之一。人脸检测是人脸识别过程中的必要前期工作,其主要作用是将人脸部分从背景图像中分离出来。一个对一般环境图像具有一定适应能力的人脸识别系统,需要一个鲁棒的、高效的、实时的人脸检测系统。彩色图像中,肤色是人脸的重要信息。它不依赖于面部的细节特征,具有相对的稳定性。在色度空间中,人脸的肤色分布表现出良好的聚类特性。利用肤色特征可以快速抛弃大量背景因素迅速得到目标区域。本文以完成人脸识别前期准备为目标,利用肤色的聚类特性,设计并实现了一个复杂背景下的人脸检测和人眼定位算法。论文包括三方面内容:人脸检测、光照补偿和人眼定位,其中人脸检测是后两项的基础。1)人脸检测:首先研究了肤色在YCbCr色彩空间呈现的聚类特性,给出肤色在此空间的高斯分布模型。然后利用高斯模型对彩色图像进行相似度计算。经过阈值分割、孔洞着色、区域验证等步骤,最终得到人脸区域。2)光照补偿:实验表明光照对此人脸检测方法有较大影响,色温偏差和亮度偏差会使检测率大幅下降。本文采用基于全局白平衡的色温补偿方法和基于复合变换的亮度补偿方法,对光照进行补偿。实验结果表明这两个方法能对光照进行有效的补偿。3)人眼定位:人眼有突出的低灰度特征,高斯模型不能反映这一特征。本文采用包含灰度信息的区域肤色模型在已得到人脸区域内确定可疑人眼区域。随后提出基于知识的快速人眼定位方法和基于色度偏移的验证方法进行人眼定位。通过自行拍摄和网上下载的方法获取了92个图像文件对算法进行了测试。实验结果表明本文提出的人脸检测算法、人眼定位算法具有较高的检测速度和检测率。