随着计算机的发展以及人工智能的兴起,模式识别在近年迅速发展成为一门新的学科。图像处理技术以数字图像为主要处理对象,通过一定的算法将图像信息提取出来,为智能识别服务。人体头部检测技术作为智能识别的初始处理阶段,它检测的精度和效率直接影响到各项研究的最终识别效果。由于其在计算机应用领域的重要性,人头部检测已经引起了人们极大的兴趣和研究热情。基于形状的人头部检测方法对人头形状进行多方位分析,采用区别于其它物体的形状特征对人头部进行检测,具有准确率高、应用广泛、抗干扰能力强等特点。因此在场景多变的智能应用中,基于形状的人头部检测方法已成为首要选择。本文研究了基于形状的人头部检测技术,主要研究内容和工作成果如下：第一、,提出一种帧间差分与背景差分相结合的运动目标检测方法对目标物体进行提取,并利用混合高斯模型对背景进行更新。这种方法能够持续稳定地提取运动物体,为后续的人头部检测提供了必要保证；第二、在对现有的人头部检测算法深入研究的基础上,提出一种基于曲率尺度空间的人头部检测算法,该算法建立在头部与身体轮廓之间无论从何种方位上看都成一个类似于欧米加(Ω)形状的基础上,利用曲率尺度空间的角点检测方法对人头轮廓的特征点进行检测,采样不同角度的人头图像并计算图像中人头的大小比例,根据直方图得出其取值范围,利用上述特征对人头进行定位。实验表明,该算法能够有效地检测出图像序列中的人头,误检率低。同时针对不同情况,将本文算法与现有的一些算法进行了比较。结果表明,该方法具有稳定性好、适应性强的特点。