人脸检测是计算机视觉领域一个重要的研究方向,是许多与人脸图像分析相关的应用的基础。在现实生活中,人脸的姿态变化多样,单一姿态的检测器难以满足需求。本文主要对多姿态人脸检测进行深入研究,首先从单一姿态检测器入手,随后研究多姿态检测器的结构,并通过实验分析各种结构多姿态检测器的性能优劣。本文的主要研究内容如下:单视角检测器的构造。首先分析了时下比较常用的几种人脸特征描述子的优缺点,并介绍了扩展Haar-like特征的快速计算方法;随后详细描述了利用Gentle Adaboost算法训练分类器的过程,并分析了 Gentle Adaboost算法的优点;而后介绍了如何训练级联分类器以完成单一姿态人脸检测的任务;最后通过实验验证了单视角检测器的性能及不足之处,体现出多姿态检测的必要性。多姿态检测器设计。本文首先依据面部拓扑距离的大小关系,将平面外[-90°,90°]旋转的姿态空间划分为5类;随后深入分析了较为常见的4种结构的多姿态人脸检测器的特点,并根据姿态划分的结果设计了 4种结构的多姿态检测器。多姿态检测器对比实验。本文使用前文中设计的4种结构的多姿态人脸检测器,在同一测试集上进行实验对比,分析各种检测器在检测速度、检测率、虚警等多项指标上的性能差异,并验证姿态划分的合理性。最后,得出各种结构检测器的适用情形。