人脸检测技术作为机器视觉和模式识别研究领域中长期关注的一个重要课题,具有极高的学术研究价值和商业应用价值。随着智能计算技术发展的日新月异,新方法、新技术的不断引入,给人脸检测研究注入了更多活力,检测效果越来越好,检测速度越来越快。本文首先介绍了人脸检测技术研究背景和意义,归纳和分析了目前常用的一些人脸检测算法。研究了基于肤色分割的人脸检测技术。首先利用肤色的聚类特性,采用高斯肤色模型对图像中的皮肤区域和非皮肤区域进行分割,再通过分析人脸区域的特征,初步确定候选人脸,为后续工作确定最后的人脸区域打基础。实验表明,该方法能够快速实现复杂背景下彩色图像的人脸检测,并且对于光照、表情、姿势等变化具有较强的鲁棒性。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。