人脸作为一个重要的视觉模式,人脸所反映的视觉信息在人与人的交流和交往中有着重要的作用和意义。人脸检测作为人脸信息处理中的一项关键技术,其应用范围也已经远远超出了人脸识别系统,因其在视频监控、出入口控制、视频会议以及人机交互等领域的巨大应用价值,备受研究者关注。作为人脸识别的一个关键部分,人脸检测研究本身也显示出重要的学术价值；并逐渐发展成为一个相对独立的研究方向,其研究方法和手段也日益成熟,出现了各种各样的人脸检测算法。本文主要研究了基于肤色和AdaBoost算法相结合的人脸检测方法,本文所做的研究工作主要包括以下几个方面：首先,研究了基于肤色的人脸检测算法。通过对比常用的色彩空间和肤色模型,选用肤色聚类性能较好的YCbCr色彩空间和易于实现的高斯模型来描述人脸的肤色；研究了实现肤色分割需要的图像预处理技术,基于阈值分割的图像二值化,数学形态学处理方法以及利用肤色区域的大小和长宽比例进一步去除非人脸区域的方法,取得了较好的肤色分割效果。其次,研究了基于AdaBoost的人脸检测算法。详细讨论了Haar-like特征、积分图和级联分类器构成基于AdaBoost算法的人脸检测器的3个组成部分。针对单个Haar-like特征分类能力弱的问题,初步研究了组合Haar-like特征；针对Haar-like特征数量大,训练时间长的问题,采用了特征值量化等优化方法,有效缩短了训练时间。最后,实现了基于肤色分割和AdaBoost算法相结合的人脸检测方法。将经过肤色分割的图像作为级联分类器的输入,提高检测速度和检测率。文章最后对论文的工作进行了总结,并对课题的进一步工作进行了展望。