人脸检测的研究具有重要的学术价值，近年来已成为研究热点。而人脸检测中人脸的分割技术又是必不可少的环节。如何快速准确的锁定人脸图像中人的面部区域，是其它的后续工作得以继续进行的基础。 一幅图像中的人脸被分割出来后，便可统计出图像中的人头数，并可根据此图像中的人头数进行智能控制，如图书馆阅览室中电灯风扇是否全开或判断汽车是否超载等等，因此统计出被拍摄图像中的人头数是非常有现实意义的。 本文主要针对彩色静止图像中正面人脸，如何快速数出图像中的人头数的算法进行了研究。本文在已有的算法基础上进行新的尝试和改进，并经过分析、实验，验证了本算法的可行性。具体算法如下： 第一，由于各方面的原因，图像的色彩会存在偏差同时图像也会存在噪声，因此对图像进行了光线补偿和中值滤波的预处理。在此基础上，根据人的肤色在色度空间的聚类特性，建立HSV色彩空间和RGB色彩空间相结合的肤色模型进行了肤色分割，提取原始图像中的类肤色区域。 第二，采用数学形态学的运算去除类肤色区域的噪声和干扰，并利用数学形态学算子和人脸的长宽比及人脸的其他特点如人脸和人脸外接矩形所占面积等等，来完成剔除臂和手等非人脸肤色目标，得到候选人脸区域。 第三，本文提出了利用头发颜色和形状特征对原始图像重新进行分割，提取出头发区域。利用头发与人脸的位置关系判断出候选人脸区域是否为真正的人脸，得到被确认的人脸区域。 最后利用提取出的候选人脸数和头发数及被确认的人脸数三者的关系来统计出图像中的人头数。 本文算法的主要改进之处是利用提取出来的头发区域，来确认人脸。同时，利用头发的个数、候选人脸数及被确认的人脸数三者的关系来统计图像中的人头数。 在本文的最后，利用一个阅览室节能控制的实例来说明本算法的实际应用和意义。