人脸检测技术作为人脸信息处理中的一项关键技术,越来越受到研究者们的关注。人脸检测过程是将检测区域做一个“人脸”或者“非人脸”的判断的过程,人脸检测算法就是通过这个判断方法最终从一副图像中找出人脸所在具体区域。其检测效果的好坏将直接影响到后续的人脸识别或表情识别的效果。对人脸检测的研究有着重要的学术价值,目前已经发展成一个相对独立的研究方向,其理论研究日益成熟,先后出现了各种人脸检测算法。在阅读大量文献的基础上,本文先对人脸检测技术的现状与方法进行了概括,分析和总结,然后针对肤色检测和AdaBoost算法提出了自己的改进策略。本文的主要工作包括：(1)针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。首先采用光照补偿对图像进行预处理,然后利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,最后利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法不仅具有较好的适应性,检测精度以及检测速度都得到了提高。(2)为解决目前AdaBoost算法中因矩形特征数量过于庞大所导致训练时间过长的问题,提出一种结合PCA特征的AdaBoost算法。利用PCA特征来替换传统算法中的矩形特征,在特征进入训练之前进行粗选以缩小特征选择的范围来缩短训练时间,最后对训练过程中的特征选择机制和权重更新机制进行改进以适应引入的PCA特征。实验结果证明该方法检测效率高、检测精度好。