增强现实技术的发展十分迅速,人作为增强现实系统中人机交互的重要一员,对人体、人脸、人手的检测识别技术也成为了研究的热点与重点。人脸检测识别(face detection)是人脸信息处理中的关键技术之一,是其他相关人脸研究技术的基础。基于人脸检测识别所提供的位姿信息,才能深入的研究人脸的标定、辨认、追踪甚至面部表情识别、人体姿态的跟踪等,所以人脸检测识别系统的性能好坏十分重要。如何快速准确的检测人脸而且尽量避免误检的发生是相当复杂和艰难的任务。当下人脸检测技术大多是基于平面图像的,在检测识别中那些具有与人脸相同特征的照片、衣服上的非真实人脸极易发生误检,如何在保证检测速度与精度的前提下降低这类误检的发生具有十分实际的应用价值与意义。本文的研究内容主要是基于统计的人脸检测识别技术。从人脸深度信息入手,采用最新的双目深度摄像头获取人脸色彩图像和深度图像。在图像预处理中,使用灰度颜色空间转换和Gamma归一化处理色彩图像；将深度信息UV映射到平面图像并结合图像处理的平滑方法处理原始深度图像。在图像的自然特征提取中,设计实现了改进的HOG特征结合LBP特征描述人脸的色彩和深度自然特征,具有灰度不变性、旋转不变性以及减少光照阴影对特征描述的影响。在离线分类器训练阶段利用机器学习的SVM方法设计实现了两级分类训练系统,训练了检测率良好,误检率较低并且具有鲁棒性的2D人脸分类器和3D人脸分类器。最后,本文开发了在线的人脸视频检测识别系统,实时进行真实人脸检测,采用2D检测先行过滤,3D检测排除误检的方法在保证检测速度和精度的同时,极大程度的降低了非真实人脸引起的误检发生,验证了本文提出方法的有效性。