人脸检测问题最初来源于人脸识别.今天,它已远远超出了人脸识别的范畴,在出入安全检查,视频编码,视频监测与跟踪,基于内容的检索等方面都有着极其重要的应用.人脸检测已经成为了计算机视觉和模式识别领域的一个重要的研究课题.现有的静止图像人脸检测算法主要有四类:基于知识的方法、基于特征不变量的方法、基于模板匹配的方法和基于表象的方法.基于知识的方法,速度比较快,实现也比较简单,但只能检测竖直的正面人脸,而且误检率比较高;基于模板匹配的方法,实现简单,但计算复杂度较高,速度也较慢,而且不能适应光照、姿势、人脸大小的变化;基于表象的方法,检测准确率较高,但是训练和扫描的时间长,因而速度比较慢;基于特征不变量的方法,实现速度比较快,但都只适用于某一类图像.该文采用基于特征不变量的方法对复杂背景的彩色静止图像的人脸检测进行了研究,针对此类算法对背景和视频设备依赖性较大,且适用面较窄的不足,提出了一种基于肤色检测和分块面部特征验证的方法.先在类肤色区域内提取出面部特征,然后用分块验证的方法来确定人脸.以往的肤色模型往往对背景有很高的依赖性,该文提出的肤色模型可以与类肤色区域更好的区分,并很好的适应光照变化;采用肤色分割和分块面部特征验证结合的方法,可以快速地检测不同大小,不同平面及一定侧面旋转角度的人脸,而且可以适应一定程度的表情变化;使用High-boost filtering可以增加灰度对比度,用于提取嘴区特征,使嘴区灰度对光照的依赖大大降低;基于视觉特性的梯度用于眼睛提取中,可以更加有效的区分眼睛和背景肤色.系统实现了复杂背景下正面以及有一定侧面旋转角度和表情变化的彩色图像人脸检测,正确率可达83.98％.