人脸检测是计算机视觉领域的重要课题,最早作为人脸识别系统中的定位环节被提出。经过近二十年的时间发展,人脸检测研究取得了显著的进步,目前在人脸识别、新一代人机交互界面、安全访问和视觉监控等领域都有广泛的应用。人脸是一类具有相当复杂细节变化的具有非刚性的自然结构目标,目前人脸检测的难点主要有两方面,一方面是由于人脸内在的变化条件所引起的,比如人脸细节的变化比较丰富,不同的外貌如脸形,肤色等以及不同的表情如眼、嘴的开与闭等都会造成人脸细节方面的变化;以及由于人脸的遮挡造成图像的不完整性,如眼镜、头发和其他饰物等;另一方面就是外在条件所引起的,比如摄像设备与人脸相对位置的不同造成人脸的多状态,以及外界光源变化造成的影响,会导致图像的亮度、对比度的变化与阴影等发生变化。人脸检测过程主要包括特征信息提取和特征分类两个环节,其中特征信息提取是最重要的环节。特征提取常用的特征包括图像亮度、形状以及纹理等信息。局部二进制模式(LBP)特征是对图像的纹理进行描述的一个非常好的工具,本文针对部分图片包含数据信息不够充分(如低分辨率图片),在提取特征时会造成一定的困难等问题,根据传统LBP提取方法,提出了新的LBP提取算子(ILBP),弥补了传统LBP纹理特征区分性不足、提取特征力度不够的缺陷。并采用了全局特征与局部特征相结合的方法,保证人脸特征信息的充足性与人脸形状的稳定性。实验表明,与传统方法相比,该方法具有更高的鲁棒性和实用性。本方采用了多种方法对人脸检测的速度和精度进行改进:首先利用肤色建模,提取出类肤色区域,或利用边缘检测获得候选人脸区域,然后在候选区域用ILBP算子提取人脸特征表征人脸图像,并对特征进行分类识别。论文最后提出了在视频流中进行人脸检测:首先检测出运动区域,在运动区域检测人脸,这不仅能有效提高检测效率,而且还能提高在视频流上的检测速度。