人脸检测一直是机器视觉研究领域中的热点话题,其研究目标就是从视频流中检测出人脸目标,作为后续的人脸识别或者其他应用的基础。在社会生活中,不同清晰度的监控设备在诸多场所都发挥着巨大的作用。本研究基于中低分辨率摄像机拍摄的视频图像,围绕这一课题对人脸检测展开研究,关于中低分辨率下的人脸检测在智能监控和智能安防家居等领域都具有广泛而潜在的应用价值。　　由于受到监控摄像头分辨率较低、参照样本较少、视频本身的背景环境干扰较大等因素,在查询大量国内外已有的工作的基础上,本研究提出采用背景差分法对目标提取,对目标进行人脸检测,并获得了较理想的效果。以下是本文主要工作:　　1.介绍视频预处理中对于检测到的前景目标的人脸检测预处理过程,本研究利用背景减除法和高斯混合模型将帧图像中的前景目标(运动目标)提取出来,算法通过对高斯混合模型的匹配准则和新的高斯分布改进,并结合研究中视频的需要对算法进行了改进,使改进后的高斯混合模型能够很好地识别前景目标。　　2.研究分析了人类的肤色的特有特性,在人脸检测中应用将有利于人脸区域的提取。本研究采用了 BP神经网络训练肤色样本,将中低分辨率下的视频图像转化为YCbCr色度空间。将空间中的Cb、Cr分量作为神经网络的训练的输入。通过应用训练后的肤色样本对前景目标进行区域提取分割,得到目标肤色下的分割区域。由于利用背景减除法对前景目标的提取,在这个过程中会有一些噪声。通过肤色检测之后,采用形态学处理将一些去除多余的部分进行处理。这样可以使后续的相关操作在检测过程中减少不必要的扫描检测。　　3.研究采用改进后的Adaboost算法来进行检测。改进Adaboost算法在分类器的分类过程中,能够提高样本的训练准确度和分类器的分类能力。应用级联分类器是使在检测中减少漏检的可能,能够快速的对待检样本进行检测,并且具有很高的准确性。