论文采用基于肤色和独立分量分析的方法从背景复杂的彩色静态图像中检测人脸。系统分为肤色区域粗定位、独立特征提取和基于FastICA算法的人脸检测三部分。首先,利用肤色特征,在UCS颜色空间建立色度和亮度归一化的色彩直方图作为肤色统计模型,分割出图像中的类肤色区域,经过去噪和区域形状分析后粗略框出候选脸。然后,将HELSINKI大学的FastICA软件包改进为提取人脸图像的独立特征和检测人脸的FastICA算法,并采用遗传算法对FastICA提取的一组相互统计独立的基图像进行特征选择,得到一组独立基的最优子集,张成人脸图像空间。最后,将候选脸投影到人脸图像空间中,根据求出的投影系数,利用最近邻规则和计算待检测向量与训练向量间的余弦角大小,对候选脸进行“人脸”与“非人脸”的分类。 在Pentium 868MHz,256MB内存的PC机上,测试样本集(164幅彩色图像,203个人脸)的检测率为93.1%,误检人脸数目是7个,平均检测时间5.8秒。实验结果表明,基于肤色和独立分量分析的人脸检测算法在少量条件的约束下,对亮度变换、不同尺寸大小、表情姿态、轻度侧面旋转、部分遮挡、复杂背景等情况有较高的检测率和较低的误检率。