人脸检测在信息安全、视频监控、自动人脸识别以及人机交互等领域有着重要的应用价值。人脸检测就是指对输入的任意一幅图像,通过计算机或其他设备采用一定的方法对其进行查找以确定其中是否含有人脸,如果有就确定人脸的位置和大小。人脸检测作为模式识别与计算机视觉研究领域的重要研究课题,由于其检测难度很大,没有一种方法可以达到比较完美的检测效果,所以一直受到广泛的关注。由Viola提出的AdaBoost人脸检测算法是一种能在实时检测条件下达到较好检测效果的算法。本文详细研究了AdaBoost算法,并对其进行改进,最终编程实现了人脸检测系统。本文主要贡献在:针对训练耗时问题,提出了一种判断特征分类能力的方法,然后在训练前排除那些分类能力较弱的特征,这样可以有效提高训练速度,并通过对排序的特征值矩阵进行存储可以进一步提高训练速度;为了防止过训练现象发生,本文把阈值附近的特征值不确定性加以考虑,并对这些特征对应的样本采用了新的权重更新方法。最后在检测阶段先采用级联分类器对图像进行检测并记录检测为人脸的窗口,然后再用肤色分割后的二值图对这些先前检测为人脸的窗口进行二次确认,这样可以在级联分类器级数很少的情况下有效提高检测率。最后通过Matlab平台编程实现了人脸检测系统,实验结果表明本文的方法可以有效减少训练时间并达到较好的检测效果。