人脸检测作为人脸信息处理中的一项关键技术,近年来在模式识别与计算机视觉领域中已经成为一个十分活跃的研究方向,具有极高的学术研究价值和商业应用价值。随着智能化信息处理技术的发展,人脸检测在身份识别、视频编码、基于内容的检索、自动监控、人机交互等方面有着日益广泛的应用。人脸检测及定位是人脸识别系统中必不可少的部分,是进行准确人脸识别的前提。本文归纳和分析了当前人脸检测领域的一些典型算法,在此基础上,首次将边缘特征提取能力较强的Contourlet变换应用于人脸图像的特征提取中,形成了一种新的人脸图像稀疏表示的方法：人脸金字塔。此人脸金字塔综合利用Contourlet变换分解的高低频信息及方向信息,使用相对较少的系数有效地提取了具有较强鉴别力的人脸特征。然后从Adaboost人脸检测的分类器算法出发,分别对训练过程、检测过程进行了改进,利用改进的算法训练了一个新的级联分类器,实现了人脸图像中正面人脸的检测。相对于Adaboost人脸检测算法,基于人脸金字塔的特征向量的维数要远小于基于图像类Haar特征的向量维数,因此此级联分类器在保证检测准确率的基础上,从根本上大大降低了训练的时间。在实现正确人脸检测的基础上,利用积分投影算法实现了人眼两个中心点的定位,完成人脸图像的归一化处理,为后续的人脸识别做好准备。为了更准确的定位中心点,采取了适当的图像预处理技术,包括图像增强技术和图像的二值化处理技术,使得积分投影曲线在一定程度上免除噪声的干扰,实现双眼的精确定位。实验结果表明,本文构造的级联分类器可以快速有效地实现复杂背景图像中正面人脸以及有一定偏转角度的人脸检测。且本算法有较好的鲁棒性,对图像中人脸的表情变化、图像拍摄的光照条件、装饰物(如眼镜、帽子)等等具有较好的适应性。人眼定位算法也可较好地完成正面人脸图像中的双眼中心点的定位,根据定位的结果,较好地完成了人脸的归一化处理。把本文的人脸检测及定位算法结合起来,构建了人脸检测模块,作为人脸识别系统的前序部分,在此基础上完成了项目人脸识别原型系统的设计与实现。课题研究中所实现的人脸检测及定位程序具有良好可移植性,为今后的进一步研究和应用打下了良好的基础。