在智能的人机交互系统中,基于包含人脸的图像进行分析逐渐成为了一个研究热点,包括人脸图像处理、人脸识别、人脸跟踪、姿态估计、表情识别等,产生了很多智能又人性化的应用。不过这些应用的前提都是假定已知人脸的位置,即人脸检测的结果。因此对于一套完整和自动的人脸工程系统来说,性能优良的人脸分类器是必要的基础。另外,由于人机交互系统对实时性的要求,人脸检测过程也需要尽量的快速。本文研究的主题是人脸检测,以快速检测作为出发点,研究了目前人脸检测领域最快的实现算法Adaboost,和基于此算法的经典框架,不仅从理论上分析了该算法的精确度,而且通过大量的实验,提出完整的训练思想和方法,总结了提高性能的关键之处和基于LBP特征的改进方法。本文关注的重点除了检测速度外,还有分类器对多角度人脸,以及光照变化丰富图像中的人脸检测能力。笔者最终训练得到的分类器,在常用数据集上和第三方评测中表现优秀,很好的应用于其他基于人脸的机器学习、模式识别的系统中。