人耳识别作为生物识别一个新的研究方向，由于其独特的生理特征越来越受到更多人的关注。一个完整的人耳识别系统主要包括以下几个部分：图像读取、人耳检测、特征提取和识别。最初的人耳识别研究主要集中在人耳特征的提取及识别领域，对人耳检测尚未有深入的研究。随着人耳识别研究的深入，人耳检测作为人耳识别系统中关键的一步也开始引起人们的重视。但目前所进行的人耳检测多针对简单背景的图像，对于复杂背景下的人耳检测研究则比较少。　　本文在借鉴人脸检测算法的基础上，对现有的人耳检测方法进行研究，针对人耳区域小、共性特征少、复杂背景下难以检测等特点，提出了一种分阶段优化的静态彩色复杂背景下的人耳检测方法，对无正面人脸干扰的静态彩色图像进行检测，以期为复杂背景下人耳识别系统的发展提供一种可行的思路。　　该方法分四个阶段进行，第一阶段利用彩色图像中的肤色信息进行图像区域分割，筛选出人耳可能的候选区域。在分析和对比了多种颜色空间下肤色分布的特点后，本文选择YCbCr空间作为肤色分割空间，采用高斯模型作为肤色分布模型，得到肤色分布隶属度函数的参数，依据此参数进行肤色似然度转换并对转换后图像进行动态阈值分割。第二阶段，对分割出的每个区域，用形态学处理加以优化，然后根据侧脸的先验知识如高宽比例、侧脸肤色在图像中的面积占有率等进行肤色区域筛选，尽可能地排除不含人侧脸的肤色区域，减少干扰。第三阶段，根据人耳内部有丰富边缘信息的特点，采用小波模极大值方法在不同尺度下检测图像边缘，并将不同尺度下的边缘二值图像进行叠加，既精确地检测出人耳的内外边缘，又极大程度地抑制了噪声干扰。第四阶段，统计分析第三阶段所得到的边缘二值图像，发现侧脸肤色范围内只有耳朵区域有密集的边缘线，其他部分只有稀疏的轮廓线。依此特点对边缘图像进行膨胀、填充、细化和重构等操作，耳朵部分密集的边缘线被填充为边缘区域，与此同时独立轮廓线则被消除。此时对边缘图像进行边缘区域搜索，就可以实现人耳的判断和定位，从而实现人耳检测。　　总体而言，本文主要针对复杂背景下人耳检测的难点，在借鉴人脸检测算法的基础上，对人耳候选区域的筛选、边缘提取、人耳共性特征的确定等方面进行了有益的探索，提出了一种在复杂背景下快速检测正面人耳的可行方案。实验结果表明，该方法取得了较好的结果，有望为人耳自动识别系统的开发提供有益的参考。