随着计算机处理速度的提升和传感技术、分析、渲染设备的应用，计算机越来越智能化。其中人脸检测是计算机视觉中重要的领域之一，它几乎是所有人脸分析的基础，包括人脸校正、人脸建模、人脸重光照、人脸识别、人脸验证、头部跟踪等各种应用。通过对人脸检测算法的研究，不仅可以了解人脸检测的多种算法原理，而且可以将其应用于计算机视觉和图像处理，降低计算复杂度和节省资源。本文主要分析了基于AdaBoost的人脸检测算法，鉴于目前大多数AdaBoost算法只能面向正脸检测，限制其在视频检测方面的鲁棒性，本文结合了椭圆拟合和目标跟踪算法，针对视频中任意人脸姿态的检测和跟踪问题，引入霍夫椭圆检测和Camshift目标跟踪两种算法，提高AdaBoost检测算法对视频单帧的检测速率和在视频中的检测鲁棒性。最后将改进的AdaBoost检测算法移植到DIM3517的ARM Cortex-A8平台，实现在嵌入式平台上的视频人脸检测算法。本文的主要工作包括了以下4个方面：（1）第二章主要对AdaBoost人脸检测算法进行了详细的介绍，并使用MIT人脸库训练出自己的AdaBoost人脸检测器，在CMU测试人脸库上进行测试。实验表明该算法对正脸检测具有较好的性能，但是对于斜脸和侧脸性能不理想。（2）第三章引入随机霍夫椭圆检测算法，通过对视频单帧中的椭圆区域检测，来确定人脸检测的候选区域，再采用AdaBoost检测器对候选区域进行人脸检测，提高AdaBoost检测算法对视频单帧的人脸检测速率。（3）第四章引入Camshift目标跟踪算法，提出将Camshfit目标跟踪算法与AdaBoost人脸检测算法进行融合，来解决AdaBoost检测算法对视频中任意人脸的多姿态检测不理想的问题，提高了检测算法在视频中的鲁棒性。（4）第五章针对低成本应用的需求，在高性价比的DIM3517ARM Cortex-A8平台上，完成了对上述检测算法的移植和针对硬件平台的优化，实现了在嵌入式平台上的视频人脸检测系统。