本文研究人脸检测及彩色单人脸正面图像的面部特征定位问题。人脸检测与特征定位是计算机视觉技术的一项关键技术,它在视频监控、人脸识别系统以及新一代的人机交互技术等领域具有广泛的应用前景。文中收集和分析了大量近年来国内外关于人脸检测与面部特征提取的学术论文及研究报告,针对人脸自动检测系统的建立进行了深入的研究。并在国际、国内关于人脸检测技术研究成果的基础上,开发出基于AdaBoost 人脸检测算法、肤色追踪算法和信息融合算法的人脸自动检测系统。该系统借鉴了前人的一些特征提取和人脸检测算法,并针对研究项目的要求和实验条件,作了一些关键性的改进。其主要研究工作如下: 1、基于Viola 博士的实时人脸检测算法,实现了基于Haar-like 特征的AdaBoost分类器人脸检测算法,达到了快速有效的人脸检测。与传统的“金字塔”方式不同,在人脸检测过程中,我采用了新的检测策略:逐层放大检测窗口,再对检测窗口内的图像进行模式匹配。这种策略,可以避免直接对图像进行缩放变换,减小了计算量,提高了检测速度。这一算法对于AR、FERET 等一些标准人脸库正面图像都获得了99%以上的检测率,检测跟踪速度达到15 帧/秒的实时视频标准。2、应用肤色在彩色空间的HSV 空间的反向投影图,即肤色概率分布图进行人脸检测追踪的算法实现了多姿态人脸的追踪问题。该算法简单计算量小,跟踪速度快,并对人脸的姿态、角度变换具有很好的适应性。3、运用信息融合的思想,提出并实现了将AdaBoost 算法分类器、人脸肤色信息以及人脸轮廓特征三大分类判据的决策融合。同时针对人脸轮廓特征采用线性加权算法实现了三种不同人脸轮廓特征的融合,从而实现了人脸检测的信息融合方案。该算法在克服单个分类器缺陷的同时又充分发挥了几种算法的优势,达到了良好的人脸检测和跟踪效果。实验证明信息融合方法能提高检测系统的检测率和鲁棒性。4、针对静止彩色图片,本文应用眼睛在YCbCr 空间色度信息和人脸几何特征相结合的方法来进行面部器官的定位。该特征定位算法首先利用眼睛色度图定位出眼睛,并在此基础上,根据面部几何关系在已检测出人脸矩形框内,搜索其他特征点,减少了算法扫描时间。该算法对色度信息和面部几何特征的有效利用,使该算法具备计算简单、速度快的特点,可以应用于实时系统。实验表明,该算