人类文明的进化史也是一部与灾难不断抗争的历史,近年来各种天灾人祸时有发生,灾难过后的首要任务就是对幸存人员进行搜救。随着现代科学技术的进步,机器人逐渐应用在灾后搜救中。灾难现场人体头部检测方法作为机器人“眼睛”的支持技术,其研究就显得至关重要。虽然目前关于行人检测、脸部检测、车牌检测等典型的检测算法已经日趋成熟,而且这些算法在正常的条件下检测效果不错,但是在灾难现场这种特殊条件下——各种物品七零八落,背景复杂,光照条件复杂,人体的遮挡、变形、旋转等问题都比较严重,采用单一的特征和单一的算法进行检测很难达到检测的要求。本文在研究国内外相关文献的基础上对以上问题进行了仔细分析,提出并实现了一种彩色图像和红外图像相配准、多个特征相结合的灾难现场的人体头部检测方法。首先,本文采用基于角点特征的配准方法实现了彩色图像和红外图像的配准;然后,根据彩色图像的肤色特征和红外图像的亮度特征快速提取出强感兴趣区域和弱感兴趣区域;接下来,本文使用基于多尺度方向特征的Adaboost算法训练出多个视角分类器,结合图片旋转实现对不同姿态、不同视角的人体头部检测;最后,对检测结果进行融合、输出。通过在测试集和灾难现场模拟图库上进行测试,并与其他检测方法进行对比分析,证明本文方法在检测的效率和检测的准确率上都有明显的提高,能够基本满足灾难现场人体头部检测的要求。