人脸检测与识别技术是一种重要的生物特征验证手段,在安全访问控制、视觉监测、智能用户接口、基于内容的图像检索等方面有着重要的应用。本文以构建一个可用的、实用的人脸检测系统为目标,在研究了人脸检测的基本理论和关键技术的基础上,重点讨论了在复杂背景和可变光照条件下,彩色静止图像的人脸检测问题。它包含基于肤色信息的图像分割预处理和正面人脸检测验证两个主要模块。本文首先利用颜色空间特性,对人脸肤色的聚类特性进行了研究,基于不同的颜色空间肤色聚类结果的对比,本文选择YCbCr颜色模型和HSI颜色模型相结合来进行肤色分割。我们分别在这两种颜色空间下对输入图像进行肤色分割,然后把分割的两个结果通过运算集成到一个结果集中。此过程集成了两种颜色模型的优点,去除了单一分割时产生的部分类肤色的非肤色区域,使分割结果更准确。将该方法作为人脸检测系统的预处理过程,可以快速去除复杂背景,将更多的运算能力集中在可能存在人脸的肤色区域,从而提高人脸检测系统的执行效率和整体性能。实验证明,这两种颜色模型的综合运用比使用单一的颜色模型有更好的分割效果。在肤色分割预处理之后,利用神经网络对前面得到的人脸候选区域进行人脸检测验证。我们根据Rowley等提出的神经网络结构训练了一个BP神经网络的正面人脸检测器。对彩色输入图像所对应的灰度图像中的人脸候选区的子图像,按选定的比例获取不同分辨率的窗口区域,输入正面人脸检测器验证是否存在人脸。如果存在,则可以获取其位置和大小。实验证明采用该方法减少了窗口扫描的计算代价,比传统神经网络方法具有更高的执行效率和总体性能。