随着智能化信息技术的发展,视频监控、远程教育、人机交互技术及安全等各方面都迫切希望能够进行快速、有效的身份验证。人脸识别技术是一种依据人的面部特征来自动进行身份鉴别的生物特征识别技术。由于人脸识别技术在诸多生物特征识别技术中具有众多的优势,特别是直观、非侵犯的优点,决定了其广泛的应用前景,使其受到来自学术界和工业界越来越多的关注,吸引了越来越多的研究者的兴趣,成为了一个热门的课题,取得了一批有意义的研究成果。本文主要针对复杂背景下彩色图像中的人脸检测,研究了一种基于非线性分段色彩变换建立肤色模型和FCM动态聚类算法和迭代自组织算法的检测方法。首先对人脸检测问题分类以及研究现状做了介绍,并通过对各种颜色空间进行一一的分析、比较,得出选取YCbCr空间作为色彩空间作为本论文建立肤色模型的色彩空间。然后进行颜色空间映射,考虑到简单的认为肤色在YCbCr空间中与亮度分量Y无关,仅与色度分量CbCr有关,完全放弃Y分量。但这种模型存在缺陷:实验表明仅在YCbCr空间中的高亮度和低亮度区之间,肤色色度与亮度才是近似无关;而在高亮度区和低亮度区,肤色色度分量CbCr与亮度分量Y非线性相关。因此要得到更为准确的处理效果,必须考虑Y值不同造成的影响。基于上述原因,本文对YCbCr颜色空间进行非线性分段色彩变换,使肤色聚类在YCb′Cr′空间,再利用肤色分布模型,用基于相似度的方法得到人脸似然度图象,然后对肤色似然度图像进行自适应的肤色分割,接着对得到的二值图采取形态学处理,再采用线段编码和不变矩从分割后的图像中提取特征向量,最后采用FCM动态聚类方法及迭代自组织算法从复杂背景中检测出人脸区域。在VC平台上完成了图像读入与显示、预处理、色彩空间转换、图像分割、形态学处理、区域标记和特征向量提取等程序设计,调试出程序,并用图片进行实验,给出了实验结果,并对此进行了分析。实验证明,该方法具有较高的准确性和适应性。本文的主要研究成果有以下几点:1)考虑到部分照片由于受有色光干扰以及色通道中不同的敏感度、增光因子、偏移量等会导致图像的三基色“不平衡”,从而使景物中所有物体的颜色都偏离了其原有的真实色彩。因此在利用肤色模型检测肤色像素前,采用色彩平衡的方法处理色彩偏移;考虑到由于环境、天气、光照等原因使照片过暗或者过亮,对高光区域和阴影区域进行修正。2)对二值图像进行线段编码提取了区域特征信息,包括面积、各联通区域的形心坐标等,然后利用形态学先验知识以及Zernike不变矩对特征向量做归一化处理,确定侯选区域。3)利用线段编码和不变矩提取出区域特征向量及归一化后,利用动态聚类算法及迭代自组织算法检测出目标。4)对目前常见的人脸检测技术做了综合的比较分析,对整个人脸检测系统做了整体上方法的研究,并用VC实现了处理过程。