人脸的检测与识别的研究涉及模式识别、图像处理、生理学、心理学、认知科学等许多领域，与基于其它生物特征的身份鉴别方法以及计算机人机交互领域都有密切联系。由于各领域对人脸检测与识别技术的需求日益迫切(特别是安全领域)，这使得人脸检测与识别技术的研究已经成为当今的热点问题之一。 本文主要研究了复杂背景下快速人脸检测与识别的基本理论和关键技术。重点讨论了人脸表示、分类器的设计和复杂背景下快速人脸检测与识别系统架构问题。论文的主要研究工作和主要成果包括以下几个方面。 首先，研究了不同彩色空间下不同的肤色模型。通过实验表明，在HSI彩色空间的简单高斯模型和线性模型比较适合于复杂背景下的快速、准确的人脸检测。通过肤色检测能快速去除复杂背景，缩小检测的范围，为复杂背景下快速准确的人脸检测奠定了基础。但是肤色模型易受光照等外界因素影响，本文结合K-L变换提高了肤色检测的鲁棒性。 其次，研究了人脸表示及其快速算法。通过对PCA、LDA、Gabor和Like-Harr人脸表示方法的研究，分别为人脸检测和识别选取了较为稳定而准确的人脸表示；初步尝试了利用AdaBoost分类器进行特征选择从而消除冗余特征，并且提出了采用级联表示方法快速表征人脸，从而实现由粗到精、由简单到复杂的快速人脸表示，这样既提高了人脸的检测和识别的速度，还有利于检测率和识别率的提高。 随后，从三个方面研究了分类器的构造。首先研究了在人脸检测和识别中常用的分类器，比如符号函数、最近邻、神经网络、SVM、Adaboost等，选择了适合于人脸检测和识别的分类器，并提出了结合PCA特征和RBF进行人脸姿态的判别方法：其次研究了具有特征选择功能的分类器发计，这为人脸的级联表示提供了条什，也为快速准确的人脸检测和识别提供了可能；最后，对组合分类器设计进行了研究，提出了适于复杂背景下快速人脸检测和识别的有效分类器设计方案，这使得人脸检测和识别能够快速剔除不感兴趣区域，为复杂背景下实时人脸检测和大型人脸库的快速识别提供了可能。 最后，结合人脸的级联表示和组合分类器的设计思想提出了一个复杂背景下快速的人脸检测和识别系统架构，并实现了该系统。该系统实现了在复杂背景下快速的人脸检测和识别，在P4 1.6的机子上检测和识别的总耗时160ms，约为6帧／秒。实验结果验证了该系统的实时性、准确性和鲁棒性。