随着信息化社会的高速发展以及信息安全意识的普及，人脸检测与识别技术蓬勃发展并渗透进各行各业。人脸检测是识别的基础，依赖于所处的物理环境和检测装备的性能。本论文从物理环境中引起成像图片色彩偏差的光照条件着手，从机器视觉的角度修正偏差以实现最大可能的还原真实色彩，进而确定面部肤色区域，实现人脸检测。本论文的主要工作从以下四个方面进行阐述。1、为了克服光照变化引起的机器视觉对图像颜色认知的影响，本文提出一种基于流形结构的色彩恒常算法。通过将一个宽的高斯模型与测试图像卷积提取背景光照，对参考光照主成分分析提取主要光照分量，结合流形结构将测试光转换为投射光照，最后从测试图像中滤去原始光，并覆盖投射光，实现背景光照的有效转换，并在肤色检测中得到验证。2、在研究经典颜色恒常算法的基础上，从人眼视觉图心倾向性出发，加权平均视野内局部的亮度与色度信息，并结合无色差反射与最大响应点的优势，提出基于亮度加权的Gray-world与Retinex融合的色彩恒常算法，能较好的实现色彩恒常处理。3、提出改进的双椭圆肤色模型，把彩色图片从原彩色空间分别转换到YCbCr和YCgCr空间后，考虑到色度对亮度的依赖性，利用非线性变化使色度Cb、Cr、Cg分量与亮度尽量分离，并拟合椭圆参数，逼近肤色在色度空间的聚类模型。4、通过对二值肤色分割图像几何特征分析，实现人脸粗定位。Adaboost算法通过引入Haar矩形特征，构造弱分类器为强分类器，最终构造级联分类器,并结合色彩恒常算法，有效避免漏检，精确检测人脸。