近年来,基于生物特征的身份认证技术得到了飞速发展,人脸检测作为生物特征认证技术的一个重要应用,越来越受到人们的重视。人脸检测在视觉图像处理、人机交互、表情识别、视频监控以及基于内容检索等领域有着很重要的作用和实际应用价值。当前,已有许多关于人脸检测算法的研究,但是由于人脸本身具有相当的复杂性,很难找到一种算法能够适应各种条件下的检测任务,更多的研究是基于多种算法的有效结合,从而提高算法的综合检测性能。本文对当前主要的人脸检测算法的优缺点进行了简述和分析,实现了肤色检测与级联支持向量新颖检测(SVND)结合的人脸检测方法。首先对基于肤色的人脸检测算法进行了研究。通过对肤色在不同彩色空间中的聚类性分析,选择在H-CbCr彩色分量上进行简单肤色模型的分割,然后在YCbCr彩色空间中建立高斯模型对简单肤色模型的分割区域进行二次分割,并在肤色分割的过程中加入边缘检测,从而将大片连通肤色或类肤色区域进行分离。在对图像进行二值化时,选择改进的最大类间方差(Otsu)阈值分割法,通过滤波、形态学处理,以消除噪声的影响,最终较好地分割出人脸候选区域。然后对基于SVND的人脸检测方法进行了研究和分析。详细介绍了二分类SVM的检测原理、1类SVM检测方法,并实现了级联SVND的人脸检测算法。将样本图像的像素作为特征值进行训练和测试,会导致样本维数过高而增加计算的复杂度,针对这一问题,本文先对样本图像进行主成分分析(PCA)。通过在MIT人脸数据库及真实图像上对级联SVND使用不同特征(像素特征和PCA特征)情况下的分类性能进行了比较,验证了PCA降维处理在人脸检测中的有效性。最后针对肤色检测和基于PCA特征的级联SVND在人脸检测中各自的特点,本文将这两种方法结合起来进行人脸检测,实验验证了本文采用的方法提高了人脸检测的检测率并在一定程度上降低了误检率和检测时间。为了充分利用肤色检测的结果,对级联SVND的检测窗口大小进行调整,进一步减少了检测时间。