人脸检测是指在输入图像中提取人脸(如果存在)的位置、大小、尺度和姿态等信息的过程。人脸检测技术是计算机视觉与模式识别领域的一个前沿课题,在身份识别、感兴趣区编码、基于内容的检索、视频检索、视频监控、自动人脸识别以及智能人机交互等领域有着重要的应用价值。本文从现有人脸检测算法中具有较高检测性能的基于Adaboost算法的人脸检测出发,实现在复杂背景中的实时人脸检测技术。本文利用经典AdaBoost算法在复杂背景下进行了训练过程和检测过程的实验,在实验过程中发现了该算法存在于训练过程与检测过程中的问题,两者均存在耗时的问题,并且AdaBoost算法在复杂背景下失去了自身的优点,该算法在复杂背景下漏检率与误检率都非常高。针对这两方面的问题,本文提出优化方法。首先,针对训练过程耗时的问题,分别对haar-like矩形特征数量和弱分类器训练方法进行了优化,使训练时间减少为原来的17;其次,针对检测过程中的问题,本文提出用分类器结合的方式降低检测时间同时降低误检率与漏检率,用哪种分类器结合与如何结合是该过程所要解决的关键问题,研究表明加入肤色分割且将肤色分割放在AdaBoost人脸检测算法之前可以实现在复杂背景下具有实时性且高精度的人脸检测。