人脸是人类携带信息最丰富的部位，人脸特征是生物特征中最重要的一个特征。人脸检测是当前模式识别和计算机视觉领域的重要研究方向和研究热点。人脸检测在人脸识别、人脸追踪、姿势估计、表情识别、图像检索和数字视频等方面都有着重要的应用。　　 作为人脸识别的重要的一步，人脸检测的任务就是将人脸从图像复杂的背景中检测出来。由于图像受背景、亮度变化以及人的头部姿势等因素的影响，使得人脸检测成为一项复杂的、具有挑战性的研究课题。　　 本文在总结和分析现有人脸检测算法的基础上，重点研究了基于肤色的人脸检测算法以及基于AdaBoost方法的人脸检测算法。首先利用肤色信息得到人脸的候选区域，去除图像中的大部分非人脸区域，然后利用AdaBoost级联分类器在人脸候选区域内进行进一步检测。本文的研究工作主要分为以下几个部分：　　 1、提出了一种新的YCgCr颜色空间，利用YCgCr和YCbCr颜色空间的聚类性对人脸肤色进行建模，然后使用基于区域生长的人脸分割算法对人脸区域进行分割，得到人脸的候选区域。　　 2、针对AdaBoost人脸检测算法中存在级联分类器层数越靠后使用的弱分类器越多，分类能力越弱，分类越困难的问题，提出了一种新的弱分类器选择方法-由组合Haar-like特征组成的弱分类器。　　 3、针对AdaBoost人脸检测算法训练过程需要的时间随着样本数量的增加而增加的缺点，提出特征值量化的思想。　　 4、提出了一种基于肤色和改进AdaBoost算法相结合的彩色图像人脸检测算法，首先利用肤色信息初步定位得到人脸的候选区域，然后利用AdaBoost算法训练得到的级联分类器对候选人脸区域进行检测，从而精确的定位人脸。此方法提高了检测速度和检测率。