传统的Adaboost人脸检测算法采用Haar-like特征训练人脸分类器，对人脸区域的检测错误率低，但是在复杂背景下，对类似人脸灰度分布的背景区域容易出现误判，导致传统的Adaboost人脸检测算法误检率高。肤色作为人脸的重要特征之一，在YCgCr颜色空间有较好的聚类性，通过肤色模型可以将非人脸背景区域快速滤除。

中国科学院光电技术研究所徐智勇课题组研究人员结合Adaboost算法和肤色检测算法的优点，提出了一种基于YCgCr颜色空间肤色模型的Adaboost人脸检测算法。该研究选取ORL、FERET人脸库以及在网络正面、侧面人脸样本各2000多个进行训练获得人脸分类器，然后将待检测图片转换到YCgCr颜色空间对其进行肤色分割，滤除非肤色背景区域，再将训练获得的人脸分类器对候选肤色区域进行检测，判断是否包含人脸。当分类器滑过待测图片子窗口时不再有背景区域的干扰。实验证明，该方法在保证检测时间没有明显增加的前提下，检测正确率、误检率较之传统的Adaboost人脸检测方法都有明显的提高。

该成果论文被AOMATT2016录用。