人脸检测是指确定人脸的位置和大小并对检测的人脸进行图像处理的过程。它是人脸自动分析处理系统的首要步骤,其速度和准确度直接影响着系统的整体性能,因此在人脸信息处理、机器视觉和模式识别研究领域中是一个重要的研究课题。随着社会的发展,人们对人脸检测技术的要求越来越高,能够在姿态多样、光照条件变化、图像背景复杂的情况下实现高性能的人脸检测成为研究的方向。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。在广泛调研国内关于人脸检测的算法后。首先利用在YCbCr颜色空间对人脸肤色的聚类性,采用肤色分割法完成人脸候选区的检测,初步确定候选人脸区域。针对采用肤色检测法造成误检率较高的问题,本文采用改进的算法进行人脸检测。针对AdaBoost算法具有检测人脸正面效果较好的特点,为了能够利用两种算法各自优点,最后将肤色分割和AdaBoost算法的两种人脸检测方法相结合,即首先通过肤色模型对待检测图像进行初检,分割出图像中的人脸区域和类肤色区域,再将其作为AdaBoost级联分类器的输入图像,进一步用AdaBoost检测分类去除候选区域中包括的非人脸区域,实现准确人脸检测定位。这样既利用肤色信息可以加快检测的速度,又可以优化检测效果,提高了检测效率、降低误检率。本文先在MATLAB软件平台上完成了对改进算法的研究和仿真测试,经过检验测试该算法的性能有了较好的提高,能够满足实验需求。之后,将该算法移植到DSP硬件平台上进行仿真实现,本文采用的硬件平台为ICETEK-DM6437-B评估模块,其中TMS320DM6437为硬件平台核心处理器,在CCS 3.3 DSP集成开发环境下编程实现系统功能,并利用其集成的实时操作系统DSP/BIOS进行了实时调试。对检测算法进行结合优化,最终实现人脸检测定位。经过检测实验结果表明,本文设计的人脸检测系统其人脸正确检测率可达90%以上,具有较好稳定性和很强的实用性,达到了基本的实时性要求,实现了预期目标。