彩色图像中的人脸检测问题是近几年机器视觉、模式识别研究领域的热点问题,其被认为是图像分析和理解技术最典型的应用之一。它融合了人工智能、模式识别、机器视觉以及图像处理等许多先进技术,这些技术的发展推动了本课题的出现和发展,反过来本课题的研究也促进了这些技术的前进。人脸检测系统可以被应用到安全监控系统、数码产品、人机交互等系统中,具有广泛的应用前景和商业价值。因此,本课题的研究具有重要的理论科研价值和实际意义。本文主要针对静止彩色图像中的人脸检测问题进行了探讨,设计了一种基于肤色不变特征和表象算法的人脸检测算法。讨论了彩色图像中的肤色检测方法,介绍了一种基于区域的肤色检测算法;利用眼睛色度图和亮度图中定位眼睛位置,进而得到可能的人脸区域;最后,用人脸验证算法验证是否为真正的人脸。具体内容如下。本文首先回顾了近几年提出的具有代表性的人脸检测方法。然后选取了基于肤色不变特征的检测方法作为整体算法的第一步。在肤色检测算法中本文介绍了几种主要的颜色空间。为了降低光照对于检测算法的影响,色彩空间中的亮度分量被排除了,将三维色彩空间转化为二维色度空间,然后在这些色度空间上统计了肤色训练样本的直方图。比较各直方图的分布后,我们选择在规格化的r-g空间中用单高斯模型去描述直方图分布,建立单高斯的肤色模型。同时为了降低计算量,引入了粗检测规则,排除非肤色可能性较高的像素。本文提出了一种基于区域的肤色检测算法,其基本思想是采用模糊C均值法对图像进行分割,得到图像片区域,根据区域中的肤色像素比率来判断整个区域是否为肤色区域。但是,由于光照的影响和标准模糊C均值仅仅考虑颜色属性,空间中连续的肤色区域经常被分割成若干部分,这与所提出的算法要求是相悖的。为了解决这个问题,像素空间分布的局部属性被引入模糊C均值聚类,以达到限定模糊聚类的目的。实验结果表明其能够较好的将整片的肤色区域分割到同一区域中。针对人脸定位问题,提出了肤色区域中利用眼睛特征的位置并结合人脸几何模型的方法。眼睛特征定位的具体方法是对色度空间和亮度空间分别进行操作得到眼睛特征色度图和亮度图,将两者叠加以强化眼睛特征,最终得到眼睛特征位置。根据人脸特征之间的几何关系,给出了一个简单的人脸几何模型,结合眼睛位置可以得到可能人脸的位置和范围。本文采用了支持向量机分类器进行人脸验证。在文中回顾了支持向量机的基本知识和分类面方程求解方法,并通过实验考察了不同核函数和参数对支持向量机分类器性能的影响。最后,通过K折交叉验证算法选定较优的参数。