人脸作为一种非常具有辨识度的生物特征,其在人机交互、智能监控以及视频会议等方面具有很大的前景空间,吸引着众多学者投入研究。但人脸是一种十分复杂的非刚性目标,其检测难度充满挑战,目前的算法都有其局限性。在此背景下,本文研究了基于肤色的人脸检测方法和基于Adaboost算法的人脸检测方法,提出一种基于肤色和风险敏感型连续Adaboost算法的人脸检测方案。主要内容如下:1.研究比较了不同颜色空间和肤色模型,选取了YCbCr颜色空间和椭圆肤色模型进行肤色建模,然后采用形态学处理并筛选,得到候选人脸区域。2.研究了基于Adaboost算法的人脸检测方法,分析讨论了连续Adaboost算法和风险敏感型Adaboost算法这两种改进的Adaboost算法,在此基础上,提出一种风险敏感型连续Adaboost算法,该算法在对样本空间进行划分时,使用粒子群算法求解最优子空间划分;更新样本概率分布时,考虑正负样本不同的误分类风险。该算法实现了样本的合理划分,而且降低了总体的误分类风险。实验结果验证了本文方法的有效性和准确性。3.结合上述两种方法,提出先利用肤色特征进行人脸初检,然后使用风险敏感型连续Adaboost算法二次定位的人脸检测方案。该方法可以提高检测速度,降低误检率。