电梯在高层建筑中使用频繁,并且容易发生安全事故,因此,人们在追求速度的同时,更多的是关注电梯的安全性能。电梯超载限制装置一般是通过重力传感器的测量以确定是否超载。一旦重力传感器出现问题,可能会导致重大的安全事故。因此,在提高重力传感器性能的基础上,通过控制乘梯人数来加强电梯超载限制装置的安全性能。另外,目前很多电梯都限定了乘梯人数,在安全载重范围内,乘梯人数过多会降低乘梯的舒适度,并且过度拥挤同样会引发安全事故。本文着眼于在上位机上研究如何快速准确的检测出电梯轿厢内视频监控图像中的人脸数,并依此得出人数。因此,将人数统计问题的研究间接地转化为对人脸检测问题的研究。首先简单介绍了本课题的研究背景与意义以及目前人脸检测领域的研究状况。结合目前主要人脸检测方法的特点以及实际的应用需求,选取Adaboost算法作为主要的研究方法。详细介绍了人脸检测机制的流程以及相关基本概念,包括灰度图像、积分图像、Haar特征等。为实验设计提供了坚实的理论基础。从当前人脸检测领域中开源且检测率较高的正面人脸分类器出发,对电梯轿厢内视频监控图像进行实验。实验结果表明正面人脸分类器不适用于电梯轿厢内人脸检测。针对电梯轿厢内的拍摄角度,收集并制作特殊角度人脸的样本来进行分类器的训练,并利用此分类器进行人脸检测实验。针对电梯轿厢内背景环境固定的情况,将背景减法加入到人脸检测过程中。通过背景减法扣除背景图像以排除背景中可能带来的干扰,达到误检率的降低。最后,对本文的人脸检测算法进行测试以及对比试验,并利用MFC中的对话框控件设计了简单可行的人脸检测软件。