由于反恐和国家安全的需要,安防行业已成为各国发展最快的行业之一。随着国内经济的高速增长,安防产品的需求从原来的重要部门逐步普及。另一方面,我国的政策导向,如提出建设“平安社会”以及奥运会、世博会的需求都为安防行业的发展提供了契机。因此,高端、高附加值的产品平台是目前安防行业发展的重中之重。其中,视频中的人脸检测技术是安防视频监控系统中的核心技术,具有重要的学术和现实价值及深远的应用背景。本文以安防视频监控系统的应用为背景,就人脸检测技术中的核心技术与若干关键问题展开了具体的研究工作。文中提出了新颖的肤色检测融合架构方案,改进了基于AdaBoost算法的人脸检测方法,并基于在安防视频监控系统中的应用需求,提出了一种面向智能视频监控的实时人脸检测框架。结合基于像素的肤色检测方法及基于块的肤色检测方法,本文提出了两种肤色检测的融合架构方案。通过研究及实验比较决定采用第二种融合架构方案,结合肤色分割算法,完成肤色检测的整体研究。肤色检测融合架构方案极大地减少了人脸检测过程中需要搜索的区域面积,从而提高了算法的实时性能。通过肤色分割算法对检测到的人脸候选区域做进一步的筛选,能够剔除由噪声引起的假脸区域,从而提高了算法的准确性,减少了误检率。在对AdaBoost人脸检测算法的研究基础上,本文采用简单特征、改进的级联分类器,使用机器训练的方法,利用人脸数据库图像,进行样本训练,得到了高效的强级联分类器,实现了快速人脸检测,有效地降低了误检率,明显地提高了检测速度。本文提出的增加辅助判决函数方法的级联分类器框架能够在检测率和误检率中取得较为理想的平衡。最后,本文在基于像素和块的肤色检测融合架构方案及肤色分割的检测方法、基于AdaBoost人脸检测算法的改进方法之上,提出了一个人脸检测框架,并整合到与中国安防技术有限公司合作的上海市科委项目“全IP网络智能化安防系统技术研究及应用实现”中。其中的人脸检测、跟踪及报警模块能够获取运动的人脸目标,标示、跟踪并记录人脸目标信息。在人脸检测目标判断之后,能够使用高速球进行PTZ跟踪,对可疑目标进行高清晰特写拍摄。经实际应用表明,本文提出的人脸检测框架能够进行快速实时的人脸检测,并取得了令人满意的实时性和检测率。