近年来,人脸检测(Face Detection)成为计算机视觉和模式识别领域的一个非常活跃的课题。随着智能监控、人机交互技术的发展,人们对于具有视频分析处理能力、运动目标自动检测和跟踪的智能化视频监控系统的要求日益迫切。智能化系统需要克服多姿态人脸检测这一技术难题来实现多视角人脸检测与跟踪。目前人脸检测的研究主要集中在简单或复杂背景环境下的前视图人脸检测,对于多姿态人脸检测方法还存在很多问题,有效的方法并不多。本文研究了彩色视频图像的多姿态人脸检测基本理论和关键技术,重点分析了基于视频图像的运动目标提取和肤色模型的肤色区域分割模块和基于灰度分布直方图与金字塔形检测器模块相结合的多姿态人脸检测方法。论文的主要工作如下:(1)运动特征是视频序列图像的重要特征之一,根据运动目标检测的常用方法,提出了背景差分法和帧间差分法相结合的运动目标分割方法。(2)肤色是人脸的重要特征之一,它不依赖于人脸面部姿态,具有相对的稳定性,提出了基于肤色特征与运动特征相结合的人脸检测方法。算法先检测出肤色区域,利用人脸几何特征,剔除手臂、腿、近肤色服装等非人脸区域,然后采用运动特征剔除背景区域,得到完整的前景肤色区域。(3)灰度分布直方图对人脸姿态粗划分是个很好的方法,而Adaboost分类器对人脸检测速度较快,提出了基于直方图和金字塔检测器的多姿态人脸检测方法。该技术先使用直方图对多视图训练样本进行分类,然后用基于姿态划分的层次模型进行不同角度姿态的人脸识别,得到最终的人脸识别结果。实验结果表明本文的方法与经典算法相比,既提高了检测率,又减少了计算时间。