随着社会和科技的发展,模式识别和计算机视觉在当前社会中的应用越来越广泛,尤其是自美国9.11事件后,个人身份确认不仅仅使用于银行金融、电子商务、公司考勤和家庭安全等领域,更多地提升到了一个国家的安全角度。在当前,应用于身份确认的生物特征主要有指纹、虹膜,人脸,掌纹等。人脸作为一种生物特征,由于其具有直观简单、信息量大和采集方便等优点,越来越多的引起了广大研究者的关注。在当前,基于人脸生物特征的应用领域包括自动人脸识别、视频监控、人脸表情分析、视频会议和人机交互系统等,而在上述应用中,首先要解决的一个问题就是人脸检测,其检测效果直接影响到整个系统的性能。近几年来,正是由于人脸检测在现实应用中的广泛性,已经引起了越来越多的科研工作者的注意,已经发展成为了一个独立的研究方向。随着人们对人脸检测的不断深入研究,出现了多种实用的人脸检测算法。在本文中,我们针对现有算法各自优缺点,结合考虑到现实中彩色图像普及的事实,实现了肤色分割和基于统计学的分类器相结合的人脸检测技术。首先通过肤色分割技术将可能的人脸区域从图像中分割出来,形成人脸候选区域,然后使用基于统计学的分类器对所有的侯选区域进行确认,通过验证的区域为人脸,从而实现了人脸检测。具体的内容包括:1、对现有的肤色分割技术做了详细的介绍,并且对常用的肤色模型在不同的肤色空间下的分割性能做了详细的比较,通过对高斯肤色模型和简单肤色模型各自的优缺点比较,提出了结合两者进行分割的模型,从而兼顾了效率和精度。2、实现了当前人脸检测中应用最广泛的两种方法—支持向量机(SVM)和AdaBoost算法,并将其和肤色分割算法相结合来实现彩色人脸检测。对SVM使用不同的特征(像素特征和PCA特征)情况下的分类能力做了比较。3、提出了一种新的基于统计学中的分类器—最小最大概率机和最小错误最小最大概率机的人脸检测算法,通过结合肤色分割技术实现了对彩色人脸的检测。同样地类似于SVM对其在不同的特征情况下的分类能力做了比较。