人脸检测是指给定静止图像或视频序列,不管图像中人脸的位置、大小、方向、姿势、光照等如何变化,找到并定位所有人脸确切位置的技术。人脸检测作为人脸信息处理中的一项关键技术,在感兴趣区编码、身份识别、基于内容的检索、自动监控、人机交互等方面有着日益广泛的应用,成为模式识别与计算机视觉领域内一项受到普遍重视的研究热点。随着相关研究的深入,人脸检测技术在可控环境下已能获得可供实用的检测率。然而,人脸是一类具有相当复杂细节变化的自然结构目标,这种复杂的变化给检测算法带来了相当大的困难,主要表现在人脸的姿势、表情、部分遮挡、光照条件、观察角度变化等,而且图像或视频中的人脸往往是嵌入在混乱的场景中。正是由于上述的这些难题,目前国内外仍没有一种算法能够不加限制地适用于所有场合。本文基于Adaboost算法训练了一个级联分类器,并构建了一个人脸检测系统,为了提高系统的鲁棒性和检测的速度和精度,本文对其加以改进,采用了图像处理的方法对图像进行了缩放和光照补偿的预处理,增加训练样本数和不同肤色、不同背景、不同角度、不同光照的人脸样本训练分类器,以提高系统的鲁棒性;采用放大检测窗口获得待检窗口,比传统的金字塔法放大图像减小计算量。最后,提出了一些新的矩形特征,并用实验证明这些新特征在人脸检测中起到了重要作用。这些措施大大提高了系统的检测精度,并减少了检测时间,可以适应实时检测的需要。