人脸检测问题最初来源于人脸识别，是自动人脸识别系统中的一个关键环节。近几年随着电子商务等应用的发展，使得人脸检测开始作为一个独立的课题受到研究者的重视。今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。对于人脸检测的研究，经历了由简单到复杂，由静态图像检测到视频实时检测的发展过程。由于人脸模式错综复杂、易受干扰，所以很多常用的人脸检测算法一般都存在计算量大、速度慢、误检率高的弱点。Viola于2001年提出的基于积分图的AdaBoost方法，是目前人脸检测领域最先进的技术之一。在此基础上所构建的检测系统是第一个真正实时的人脸检测系统。该方法先利用“积分图”快速计算特征，构造弱分类器；然后通过AdaBoost学习算法，从得到的大量弱分类器中，产生一个高效的强分类器；最后采用级联方式将单个的强分类器再合成为一个更加复杂的层叠分类器，使图像背景区域快速地丢弃，保证了检测速度。本文中算法构架主要采用AdaBoost学习训练算法和基于瀑布型算法分类器的检测架构。文中对AdaBoost训练速度慢的特点进行一定的改进，采用的基于瀑布型算法架构就是用非常简单的分类器把大部分显然不可能包含人脸的子窗口从大量的被检测子窗口中筛选掉，而保留那些更有可能是人脸的子窗口。这些简单的分类器被安排在整个多层结构的早期，从而使得那些背景中分离出来的子窗口能够在尽可能少的运算步骤后就被筛选掉，从而避免了需要经过整个多层结构的复杂运算。而这些后期的各层分类器则是为了能尽可能降低错误判对率而设的结构。瀑布型算法构架起一种多层结构的分类器可以达到在提高检测率的同时大大降低运算时间的效果。在Celeron2.8GHz PC机上，动态检测速度大概12帧／S。