王自伟，盛惠兴，2

(1.河海大学物联网工程学院，常州213022;

2.常州市传感网与环境感知重点实验室，常州213022)

1 引言

人脸是一个常见而复杂的视觉模式，人脸所反应的视觉信息在人与人的交流和交往中有着重要的作用和意义，对人脸进行处理和分析在视觉监控、公共安全、视频会议以及人机交互等领域都有着广泛的应用前景。人脸检测是指对任意给定的一幅图像或者一段视频采用一定的方法和策略对其进行搜索以确定其是否含有人脸以及所有人脸在图像中出现的位置［1］。近年来基于图像的方法为主要研究热点。这类方法主要有基于线性子空间的方法，基于神经网络的方法，基于SVM的方法，基于Adaboost的方法等。其中，Adaboost算法［2］和其他方法相比，其检测效果和稳定性都较好，被广泛用于人脸检测中。而在视频图像中，运动目标检测是计算机视觉领域的一个重要研究课题。预先对运动物体进行检测，然后在提取的运动区域上进行Adaboost人脸检测算法，可以很大程度上缩短人脸检测的时间。

因此将KIM算法［3］和Adaboost人脸检测方法相结合，提出了一种快速的人脸检测算法，该算法对于人脸检测具有较好的准确性和实时性。

2 运动区域的提取

常用的运动区域检测方法主要有光流法、帧间差分法和背景减法等［4－5］。

光流法是采用运动目标随时间变化的光流特性，有效地实现运动目标的检测与跟踪。该类检测方法可以适用于摄像机静止和运动两种场合。但是多数光流场计算方法相当复杂，且容易受到噪声影响，因此应用性和实时性较差。……