随着视频监控在人类生活中的广泛应用,人脸检测也越来越得到重视。人脸检测算法经过多年的发展,虽然国内外学者提出了很多方法,但对于一些难题仍然没有得到很好的解决。例如光照突变,人脸旋转等原因造成的检测困难。另外,检测速度也是一个难以突破的难点。针对以上问题,本人主要对复杂背景下静态图片的人脸检测和视频流下的人脸检测方法进行研究。本文首先从复杂背景下静态图片的人脸检测问题出发,深入研究了色度空间下的高斯肤色模型,提出利用高斯肤色模型在YCbCr空间下分割人脸皮肤,来克服光照变化的影响。人脸检测时逐级对图像进行缩放。为了提高检测速度,提出了用PCA方法降维分割后的区域,再用SVM分类器识别。实验验证,本改进方法在检测的准确性和检测速度方面,确实取得了满意的效果。在以上工作基础上,本文还研究了视频序列中的人脸检测算法。针对AdaBoost算法耗时大的原因进行了详细的研究分析,提出了改进算法。求解一个特征f j的简单分类器h j所要确定h j的阈值θj偏置p j,偏置可以将±1两种情况分开讨论以加快检测速度。在对特征的选取和样本集的构建方面,也提出了减少特征数和有效选取样本集的方法。最后设计了检测系统并进行实验,证实了算法的有效性。