作为人脸识别系统的第一步环节,人脸检测是对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是则返回人脸的位置、大小和姿态。由于其在安全访问控制、视觉监测、基于内容的检索和新一代智能人机界面等众多领域具有重要的应用价值,近年来人脸检测开始被作为一个独立的课题受到研究人员的普遍重视。本文研究了如何快速、精确地在一幅图片中检测出人脸。详细分析了Viola等人提出的Adaboost级联人脸检测算法,主要任务在于:1、系统地分析和探讨了多种人脸检测方法的基本理论,对人脸检测方法进行了深入的研究和讨论。2、详细得介绍了Adaboost算法的Haar特征、积分图像、弱分类器、强分类器的概念,在深入研究基于Adaboost算法的人脸检测方法的同时,构建了一个人脸实时检测系统。3、针对Adaboost算法中存在的不足:当检测器遇到倾斜人脸时,容易出现漏检的现象,提出了两类新的特征模板,训练得到新的强分类器,增强了对倾斜人脸的检测效果。在检测器前端加入了肤色模型和光照补偿模块,达到了优化检测的目的。4、Adaboost算法在训练过程中要耗费大量的时间,为了解决这个问题,文章分析了该算法在训练过程中并行计算的可行性,介绍了算法并行化后的流程。通过实验证明,训练过程并行化后,程序运行时间缩短了2/3以上。