本文对通用的人脸检测算法进行研究,提出了一种融合使用灰度、梯度和肤色信息的人脸检测方法。在Viola-Jones的检测方法中,使用了类Haar特征描述人脸模式的灰度差规则,用AdaBoost算法从中学习最能区分人脸/非人脸模式的规则,构成级联分类器用于检测人脸。这种检测方法检测率较高,速度在现有方法中最快。受他们的启发,本文用类Haar特征分别描述梯度差和肤色差规则。我们将灰度差、梯度差和肤色差三类规则进行组合,设计出三种规则集,分别是单独由灰度差规则构成的G规则集、联合灰度差和梯度差规则的G~2规则集、联合所有三类规则的G~2S规则集。前两种规则集可专用于灰度图上的人脸检测,最后一种规则集则用于彩色图像的人脸检测。用AdaBoost算法在这三种规则集上训练出三个级联分类器,分别称为G分类器、G~2分类器、G~2S分类器。通过测试发现,在误警率相同的情况下,G~2、G~2S分类器的检测率约比G分类器分别高出3%和5%;G~2分类器的速度比G分类器约快一倍,G~2S分类器的速度略快于G~2分类器。由此可知联合使用上述三种信息的分类器性能的确好于单独使用灰度信息的分类器。