人脸研究，主要包括人脸检测、人脸跟踪、人脸识别以及衍生出来的姿态和表情分析等几个主要领域，其中人脸检测是人脸信息处理领域中的一项关键技术。最初的人脸研究主要集中在人脸识别领域，而且早期的人脸识别算法都是在认为已经得到了一个正面人脸或者人脸很容易获得的前提下进行的，但是随着人脸应用范围的不断扩大和开发实际系统需求的不断提高，这种假设下的研究已不能满足需求，人脸检测开始作为独立的研究内容发展起来。 本文首先归纳和分析了当前人脸检测的典型算法，然后利用肤色信息预先处理图片，结合后期验证，以定位带有复杂背景的图片中数目、大小、位置均未知的人脸。文中首先分析、比较了肤色在YCrCb色彩空间中的聚类性，然后在该色彩空间中建立了肤色模型，对肤色进行二值化处理和分割。由于干扰无处不在，文中对二值化后的图像进行了基于数学形态学的滤波处理，之后将此结果作为候选人脸区域输出。在筛选与验证阶段，本文主要利用了人脸的几何特性：面积、长宽比等进行了粗步筛选，最后利用面部器官亮度较低的特点，对筛选后的候选区域进行了再次筛选与验证，得出了最后结果。 本文由于使用肤色模型减少了复杂背景中的候选区域，并且后续算法也简单实用，因此检测速度较快。实验中，使用C#对该方法进行了实现，并且在自己所建立的人脸测试图像集和加州理工的人脸图片集上作了许多实验，结果数据表明本文所提出的算法对复杂背景下的彩色人脸检测具有较好的鲁棒性，对姿态、光照、表情有较强的适应性，但是由于人脸自身的复杂度、以及人脸中的许多遮挡，该系统还是存在一些漏检和误检，但总的来说，正确率较高，具有一定的实用性。