人脸检测作为人脸处理系统的基础，它的任务是从输入图像中确定所存在人脸的位置、大小和位姿。近年来，由于计算机技术和数字图像处理技术的不断发展，人脸检测已成为图像处理、模式识别与计算机视觉领域内一项研究十分活跃的课题。在基于内容的检索、多功能感知、数字视频处理、入口监视、人机智能和机器人视觉等方面有着重要的学术价值和应用前景。　　 本文主要研究静止背景下彩色序列图像的人脸检测问题，在分析现有的主要人脸检测算法的基础上，深入研究了相关的人脸检测算法，并进行了大量仿真实验，对仿真结果进行了分析，验证了所用方法的有效性。　　 首先，结合图像序列中的运动特征、人脸肤色及几何特征等信息，利用基于时间差分的方法，从粗到细实现人脸的精确检测。提出了改进的基于彩色信息的帧差分方法，利用RGB空间内丰富的颜色信息，在R、G、B三通道内分别进行自适应阈值分割，对分割后图像的三维信息进行并操作来获得运动区域。该方法综合了帧间和帧内的分析结果，实现简单有效。　　 其次，提出了一种改进的基于Gabor小波的人脸特征点跟踪算法，前帧图像获得检测结果后，对后续帧进行跟踪来检测人脸。使用Gabor小波获得不同频率和相位下的特征信息，对人脸特征点进行跟踪，同时根据特征点的重要性进行加权，构成加权特征模板并进行相似性判断，最后使用肤色信息对跟踪结果进行最终判定。该方法减少了计算量，实现有效跟踪，通过实时跟踪可完成人脸的检测。　　 最后，将支持向量机应用于序列图像的人脸检测。首先，利用YCbCr空间内的肤色分布建立肤色/非肤色SVM分类器，将该分类器与时间差分法、几何特征分析相结合，构造了一种用于彩色序列图像的人脸检测方法；其次，利用Gabor小波特征作为SVM的输入，直接建立人脸/非人脸SVM分类器，将该分类器与差分法、Gabor小波特征提取相结合，实现了序列图像的人脸检测。通过仿真实验验证和比较了这两种方法。