作为人脸识别系统的一个重要环节，人脸检测是为了从复杂背景中有效的定位并提取出人脸区域。由于其在多个领域的重要作用，近年来人脸检测开始被作为一个独立的课题受到研究者们的普遍重视。本文就是将新生儿面部检测作为了一个完整系统的重要组成部分，应用在新生儿疼痛表情识别系统中。 本文在阅读大量文献的基础上，对人脸检测技术的概念，发展以及研究现状进行了概括总结，并且详细阐述了Adaboost算法，并对算法的机理加以研究，重点分析了算法的分类错误率及泛化误差等，实现了对新生儿的面部检测。此外，本文的工作主要包括：(1)对在医院收集的新生儿面部图片进行处理后，建立了一个包含800个左右样本的新生儿面部图像库；(2)根据新生儿面部与成年人的差异，在原有15种Haar-like矩形特征的基础上新增加了8种Haar-like矩形特征，使这些矩形特征更加符合新生儿面部的特点；(3)采用了目前Adaboost算法家族中较为流行的RealAdaboost算法，得到了一个效果较好的针对新生儿面部检测的分类器，依此实现了对新生儿面部的检测。实验结果表明，相比改进前得到的分类器，改进后的分类器对新生儿面部检测率从91.5％提高到93％，同时检测时间也相比以前缩短了15.6％。