随着计算机科学的飞速发展,计算机相关领域的应用已经深入到人们生活的各个方面,并起着十分巨大的作用。其中,人工智能与模式识别是计算机科学研究中比较前沿的研究课题,是计算机智能化的基础。让计算机拥有人类的视觉辨识能力一直都是人工智能领域的一个重要课题,也是人工智能领域中使计算机认识世界的第一步。本文主要研究实时视频流中的人脸检测技术。在人脸检测的研究方面,主要侧重于在视频流中人脸检测算法的实时性问题。针对现有人脸检测方法存在的问题及人脸检测技术的主要难点,结合目前人脸检测领域的实际应用情况,提出了一种适合应用于视频流中的人脸检测方法。具体工作如下:(1)实时视频流与静态图像人脸检测的不同在于前者含有运动信息。针对视频流的这个特点,研究几种主要的运动目标分割的方法,针对背景差分法对于光线干扰较大的缺点,提出一种新的参考背景生成方法来进行目标分割,并设计可以实时更新参考背景的算法。(2)通过对图像分割时使用不同阈值产生不同分割效果的分析,提出一种新的自适应阈值的分割方法来进行运动目标分割。(3)针对肤色在YCrCb色彩空间下的聚类特性,对在该空间下的简单区域模型和高斯分布模型进行了研究,提出区域阈值与简单高斯模型相结合的肤色建模方法,并在分割时使用最优阈值的方法使分割的效果达到最佳。(4)利用分割肤色后的轮廓,使用最小二乘法进行椭圆拟合来精确定位出人脸在视频流中存在的位置,并进行筛选和验证。