人脸识别技术由于在视频监控、安全检测,乃至家庭娱乐等方面潜在的巨大应用前景,近年来受到许多学者、企业、政府部门的普遍关注,并成为生物特征识别领域的研究热点。相对于其他生物特征识别,人脸特征识别是最直接、友好的方式。人脸检测技术作为人脸识别应用研究,已扩展到全新人机界面、基于内容的检索、基于目标的压缩、数字视频处理、视频监控等诸多领域,并成为人工智能和机器视觉领域内最具挑战性的研究课题之一。所谓人脸检测是从给定的图像或视频中,定位人脸的区域。人脸检测是人脸识别不可或缺的预处理工作,亦是非刚体目标识别领域的关键研究内容之一。如何快速有效检测出人脸,成为人脸检测的一项重要课题。基于统计学理论的机器学习是解决识别问题的重要方法。该理论的核心思想是通过控制学习机器的复杂度,实现对推广能力的控制。支持向量机是在统计学理论的基础上发展起来的一种新的学习机器,由于采用了结构风险最小化原则代替风险最小化原则,较好的解决了小样本学习的问题,该技术已成为机器学习理论的研究热点,并在许多领域取得了成功的应用。本文深入探讨了人脸检测有关方法,在此基础上,以提高检测速度为目标,提出了一种基于特征和基于图像方法相结合的快速人脸检测方法,并通过实验证明了其有效性。论文中采用支持向量机分类器作为人脸区域判断的理论工具,为提高检测速度,选择积分图快速计算的矩形特征向量及粗筛选分类器过滤掉大量非人脸背景信息,进而再将过滤后信息送入支持向量机分类器进行人脸检测。人脸检测与定位,是一种实践性较强的应用,要正确检测出人脸这种复杂多变的高维模式,必须结合实际应用,采用多种方法融合的方式,才能有效提高检测的准确率和速度。