面部器官如眉毛、眼睛、鼻子、嘴等，是按一定位置关系组织在一起的。各器官按照从上而下的顺序排列，相对位置保持不变。各器官间还存在一些几何关系，比如两眼和嘴中心构成一个三角形，鼻子的中心大致位于这个三角形的中心等。

根据这些结构特征，配合前面介绍的灰度特征和边缘、形状特征，可以建立基本的规则，区分人脸区域和背景。

2.肤色特征

肤色特征按类别划分应属于人脸基本特征，但其在彩色图像人脸检测中所起到的作用非常重要。

肤色是脸部区别于其他区域的重要特征，不依赖于面部细节特征，不受旋转、姿势、表情等变化的影响，具有相对稳定性并和大多数背景物体颜色相区别，已成为彩色图像人脸检测中一个非常重要的特征。

尽管不同种族、不同年龄、不同光照条件下，肤色区域呈现不同的颜色，但相关研究表明，不同类的肤色点间的差别更多的在于颜色中的亮度分量，而色度分量在各肤色点间的变化不大。由此，可以在特定的色彩空间中建立肤色模型，描述人脸肤色的特征，有效去除图像中复杂背景的干扰，减小待搜索范围。

3.变换域特征

基于FFT、DCT、小波、K-L等变换，根据能量规则选择一系列系数作为表征人脸图像的特征。

目前图像大多以压缩的格式存在，各个图像压缩标准广泛地应用了DCT和小波变换，因此，研究如何有效的提取这些变换域下地人脸特征，具有很强的实际意义，已成为目前一个很受重视的研究方向。

4.统计特征

由于人脸图像模式的复杂性，能够用来描述人脸共性特点的显式特征是有限的，而由此建立起的人脸规则的有效性也有很大的局限性。解决这个问题的办法就是更多地使用人脸图像的统计特征也可称为隐式特征。文献综述

统计特征不如基本特征直观，但描述的往往都是人脸与非人脸的本质区别，在一个更高的层次上描述人脸特征。在大量统计特征基础上构建起来的基于统计学习的人脸检测算法，具有良好的适应性和鲁棒性，得到了广大研究人员的普遍重视，已成为目前研究的主流。

2.2  所采用系统的简介

人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的，且不大为人所知的新技术。在我国以及其他国家都有大量的学者正在研究之中，不断的更新人脸识别技术，以便系统的识别准确率达到新的高度。

本系统是为了实现对图片中的人脸进行检测而设计的。人脸跟踪是现在图像研究中的一个热门话题，而人脸检测则是其最基础的工作。本系统通过对图片进行一系列的处理，提取出人脸的大致框架，然后通过眼睛、嘴巴的建模，最后得到图片中人脸的比较精确的位置。本系统可以单独使用，也可以与人脸识别系统组合使用，在人脸检测的基础上实现人脸识别，实现更为广泛的应用。