人脸检测是指在图像中通过某种方法找到单个或多个人脸的位置和大小,是人脸识别、人脸跟踪、姿势估计以及表情识别等研究的第一步。而基于人脸特征的性别识别的研究又是近期模式识别中的热点问题,它的研究成果在某些公共场合对人群的性别分析将可以起到很大的作用。以往的人脸检测方法在速度或准确率方面总是有一些不足的地方,而性别识别又是个崭新的研究热点,所以研究出一种既快速又准确的人脸检测方法,并且在此基础上研究出有效的性别识别方法具有重要意义。本文主要研究了基于人脸肤色相似度法的彩色图像中的人脸检测方法、五官定位算法和基于人脸特征的性别识别算法。首先,对影响彩色图像中人脸检测效果的光照问题进行了分析,并提出了如何在不同光照背景下对照片进行光线补偿的算法。其次,选择了合适的色彩空间,通过对肤色相似度建模,找出图像中的肤色区域并进行人脸分割,得到候选人脸区域,再根据人脸的形状特征及存在五官的特点,对人脸候选区域进行验证,得到最终的人脸区域,同时根据五官定位算法对五官进行了位置标定。最后通过对人脸样本图像的反复观察,总结出能够作为进行人的性别判断条件的特征,并通过神经网络设计性别分类器来判断被检测人脸的最终性别。再通过软件实现了上述人脸检测、五官定位以及性别识别算法。为了得到较好的实验效果,本文对于实验中的图像有以下要求:图像大小至少为320像素×240像素,单个人脸区域面积至少为60像素×60像素,人脸在垂直方向的偏转角不得大于30度。实验结果表明本文提出的人脸检测算法、五官定位算法和性别识别算法都具有较高的检测速度和正确率。