人脸检测是基于图像处理人机交互的重要研究内容之一，它是指在给定静止图像或视频序列中，适应图像或视频序列中人脸的位置、大小、方向、姿势、光照等变化，找到并定位所有人脸确切位置的技术。除此之外，人脸检测作为人脸信息处理中的一项关键技术，在基于内容的图像检索、图像编码、医疗诊断、视频监控、人机交互等方面有着日益广泛的应用，成为了模式识别与计算机视觉领域内一项受到普遍重视的研究热点。　　 Viola于2001年提出了基于AdaBoost算法的人脸检测方法，通过综合AdaBoost和Cascade算法实现了实时的人脸检测算法，此算法检测速度快、正确率高，使人脸检测从真正意义上走向实用。　　 本文首先通过测试比较基于肤色的人脸检测算法和AdaBoost人脸检测算法的性能，选择了抗类肤色干扰性能好、且能同时检测多人脸并能适应人脸尺度变化的AdaBoost人脸检测算法作为移植算法。此外选择Intel公司OpenCV库中的AdaBoost人脸检测算法程序作为移植的源程序。　　 然后，本文介绍了算法移植所需要的平台，即德州仪器(TI)公司的TMS320C64x+芯片的DSP(Digital Signal Processor)系统。通过分析DSP系统软硬件结构与性能，为以后算法移植的实现和优化打下了坚实的基础。　　 最后，本文详细讨论了AdaBoost人脸检测算法程序从PC到DSP移植的实现和优化过程，并通过实验测试分析算法的性能和优缺点。在移植的实现阶段，通过分析比较PC和DSP相关资源的差异，提出移植实现的方法和步骤，并最终在DSP系统上顺利实现。在移植的优化阶段，通过算法层次优化、C语言级优化和内存及Cache优化，算法的执行效率提高94.7％，达到了预期要求。