随着电子技术的不断进步，人脸检测技术被应用于公安系统、军队安全系统、银行系统、物业管理系统、车载辅助系统、高级人机交互等众多领域。一般来说，由于人物特征的变化繁多，比如人在高兴或生气时的表情变化，还有外界环境以及光线等因素的影响，这就使得人脸检测变得困难。因此，克服这些难题对人脸检测技术的普及化具有重大意义。　　AdaBoost人脸检测算法的提出，在人脸检测领域是一个重要的转折点。这种方法具有检测精度高和检测速度快的特点。在训练样本足够多的情况下，该方法理论上可以训练出错误率极小甚至是趋近于零的分类器，但是算法本身由于是根据人脸对应的Haar特征进行检测，所以其误检的情况是不可避免的。而且，最终的检测过程中使用的是穷举方法，当检测图片过大时，可能会出现检测时间过长的情况。　　本文中对AdaBoost算法提出了改进方法：首先是针对最初的算法有误检率高的情况下提出了扩展的Haar特征检测方法，由于新的Haar特征的加入，使得总的特征数量增加，且新增加的特征是针对于人脸的特征提出的，所以最终的分类器能够很有效的降低其误检率；其次是引入了双通道检测的方法，使用正脸与侧脸分类器同时对输入图像进行检测，能够很有效地减少因人脸角度的不同而造成的漏检现象，而且对系统的检测速度产生的影响不大。