人脸检测是判断指定图像中所有人脸（如果存在）的位置和大小的过程，最初作为自动人脸识别系统的定位环节被提出来。近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值，人脸检测已经成为模式识别和计算机视觉中十分活跃的研究课题，并且是人脸信息处理中的一项关键技术。　　本文在现有人脸检测技术基础之上提出了一种多视角人脸检测方法，并尝试通过在线学习方法直接建立人脸检测器，同时设计和实现了可以实现人脸检测的硬件平台系统。论文的主要工作包括：　　(1)提出了一种多视角人脸检测方法，该方法融合了肤色检测、Adaboost算法和模板匹配方法，可以实现水平方向偏转的多角度人脸检测。其中，肤色检测可以提取出图像中的肤色区域，减少人脸检测搜索范围；Adaboost算法是一种经典的人脸检测方法，该算法建立的分类器可以快速检测到正面人脸；模板匹配方法对特征相对简单的侧面人脸检测效果较好。　　(2)提出了一种利用在线boosting算法建立人脸分类器的方法，尝试在没有先验知识的前提下，通过在线方法建立一个人脸检测器。首先通过在线boosting方法建立一个人脸分类器，然后通过在线学习策略不断完善这个分类器，从而达到较准确的人脸检测效果。该方法没有离线方法必须有先验知识或训练集的限制，可以直接建立一个人脸分类器，并且实验结果表明这是一种可行的思路。　　(3)设计了一套可以实现人脸检测的嵌入式硬件系统。系统以ADSP-BF533为处理核心，包括图像采集模块、模数转换模块、图像处理模块、数据存储模块和显示模块五个模块。通过编程在该系统上实现了本文提出的多视角人脸检测方法，可以较准确的实现人脸检测。