人脸检测作为自动人脸识别系统中的首要环节,如何快速准确检测出目标图像中的各种人脸直接影响到后续的人脸应用研究。因而在计算机视觉和模式识别领域中,人脸检测的研究一直都有着重要的理论意义,并且在安防、门禁控制、人机交互等方面也有着广泛的应用价值。本文针对彩色图像,将肤色特征划分与Adaboost算法组合,建立了由粗到精的两级检测系统。通过第一级肤色划分预检测排除大量非人脸复杂背景,确定疑似人脸的候选区域,然后通过第二级基于Adaboost算法的精确检测最终确定人脸,从而提高检测速度以及系统整体的检测率并降低误检率。此外,本文在前人相关Adaboost研究成果下,优化经典Adaboost算法存在的一些潜在问题,提升了算法分类精度。通过实验对比分析表明,本文搭建的人脸检测系统具有良好的检测性能。本文研究工作主要包含以下几个方面:首先,系统地对比分析了近年来主流人脸检测方法的基本理论,对各种人脸检测方法进行了深入的研究和讨论。其次,论述了肤色划分的人脸检测原理,选择在YC_bC_r颜色空间上建立了单高斯肤色模型,用阈值分割和形态学操作得到完整干净的肤色部分作为候选人脸区域。讨论了不良光照对肤色检测的影响并给出一定解决方案。然后,详细分析了基于Adaboost算法的人脸检测体系的各方面技术:算法原理、特征计算、训练过程、级联构造以及检测机制。本文详述Haar特征种类及其扩展,并进行了特征数缩减,接着重点分析了Adaboost算法性能,针对训练过程中样本权重分布失衡的问题采取多重的权重平衡策略;针对弱分类器相似关联的问题,采取使弱分类器差异最大化的方法。最后,分析了基于肤色划分以及Adaboost算法的两种人脸检测方法的优劣,利用它们一定的互补性,设计了基于肤色划分与优化Adaboost的两级人脸检测系统。实验结果表明此方法可以提高检测速度、检测率并降低误检率,对检测系统性能的提升具有积极的意义。