人脸检测是人脸识别中的一项关键环节,作为计算机视觉研究领域的一个热点,并广泛应用于视频监控、门禁系统以及公安系统等领域。本文把混沌理论和人工鱼群算法引入到AdaBoost人脸检测方法中,对AdaBoost弱分类器权重系数空间进行优化搜索,选择出最优的弱分类器权重系数组合,并在此基础上利用MATLAB软件进行仿真实验,验证该方法的正确性和有效性。主要研究工作总结为以下两点：(1)针对人工鱼群算法易陷入局部最优的问题,提出了一种基于高维混沌映射的人工鱼群算法。该方法利用混沌的随机性、遍历性和规律性对人工鱼算法进行改进：一是初始化人工鱼群,增加搜索的多样性；二是在人工鱼陷入局部最优时,对其产生扰动,使其跳出局部最优值,向全局最优值靠近。仿真实验表明：改进后的算法比基本人工鱼群算法的全局寻优能力更强,搜索效率更高。(2)针对传统的AdaBoost人脸检测器中各弱分类器权重系数无法达到全局最优的问题,提出一种基于混沌人工鱼群的AdaBoost算法。该方法把弱分类器权系数空间作为搜索空间,充分利用混沌人工鱼群算法的全局寻优能力,在权重系数空间进行优化选择,获得各弱分类器权重系数最优组合。仿真实验结果表明：混沌人工鱼群与AdaBoost算法的结合,有效地改善了AdaBoost算法中弱分类器权重系数组合的局限性,从而提高了正确检测率综上所述,混沌理论、人工鱼群与AdaBoost相结合的人脸检测方法具有正确检测率高、错误报警率低等特性,为人脸识别的后续研究奠定了良好的研究基础。