现代化科技的飞速发展,使人脸识别技术受到越来越多的重视。作为人脸识别的第一步——人脸检测,已成为计算机视觉和模式识别领域中最活跃的研究课题之一。本文详细介绍了人脸检测的相关技术,并系统地论述了彩色图像人脸检测的方法,以及利用肤色分割和AdaBoost技术相结合的方法对人脸检测进行讨论,最后对部分算法进行了测试,测试结果表明该方法可有效地提高其准确度,具有一定的理论价值与实用价值。所研究工作主要包括以下几个方面:首先结合肤色信息对彩色图像的人脸肤色检测进行了讨论,应用颜色空间建立了简单的高斯模型,描述了肤色相似度计算和二值化分割的方法,分析二值化图中可能出现肤色区域的大小和长宽比例,最后通过图像填充和肤色特征分析,去除非人脸区域,有效地检测出人脸。其次对AdaBoost算法进行了介绍,采用“积分图”方法快速计算矩形特征值,生成简单分类器并优化其权重,构造了一个高效的强分类器,最终将单个强分类器级联成一个更加复杂的级联分类器。针对AdaBoost算法在训练分类器时出现的退化问题及样本权重扭曲的现象,本文对样本权重的更新规则作出了适当的调整,在一定程度上避免了退化现象,提高了分类器的性能。此算法能提高分类器性能,人脸检测效果显著加强。最后将改进后的基于肤色和基于AdaBoost算法的两种人脸检测方法相结合,即用肤色模型分割出图像中的肤色区域,将其作为AdaBoost级联分类器的输入,进一步用AdaBoost检测去除肤色分割后包括的非人脸区域,更准确定位人脸,具有较好的检测效果。