人脸检测是指对待检测图像，采用一定的方法对其进行搜索来确定其中是否存在人脸，如果存在，则返回人脸的位置、姿态和大小。人脸检测源自人脸识别，是人脸识别系统中一个关键环节。随着近年来电子商务应用的发展，人脸检测开始作为一个独立的课题，受到研究者的重视。人脸检测作为人脸信息处理中的一项关键技术，在身份验证、基于内容的图像检索、自动监控、人机交互等方面有着重要的应用价值。本文首先介绍了人脸检测的研究背景和意义，归纳和分析了一些目前常用的人脸检测算法。其次对基于肤色的人脸检测方法和基于Adaboost算法的人脸检测方法进行了深入的研究：在基于肤色的人脸检测方法中，选择YCbCr空间作为色彩空间，将通过光线补偿等预处理操作的图像由RGB色度空间转换到此色度空间，建立简单的高斯模型，然后采用自适应阀值分割的方法完成肤色区域的分割，最后进行形态学处理和肤色区域的筛选；在基于Adaboost算法的人脸检测方法中，首先对Adaboost算法原理和性能进行了介绍和分析，然后列出了级联分类器训练的各个阶段的方法和详细的算法流程，以及训练样本的获取方法和原理，最后针对传统Adaboost算法在训练过程中出现的退化问题、目标非对称问题和分类器相关性问题，都进行了相应的改进，实验结果表明，改进后的方法在一定程度上避免了退化现象，且在检测率和检测速度方面都有一定的提高。然后本文针对基于肤色的检测方法和基于Adaboost算法的检测方法各自的优缺点，提出了将两种方法结合起来进行人脸检测，以此提高系统的性能。将采用肤色的检测方法检测出来的肤色区域作为级联分类器的检测窗口，从而大大减少了检测的搜索空间。并通过分割窗口的大小调整分类器检测窗口的尺寸，从而减少检测时间。通过对实验结果进行分析，证明此方法对于提高检测率，减少误检率和漏检率，减少检测时间均有一定的帮助。最后对本文所做的工作进行了全面的总结，并对进一步的工作做出了展望。