随着近年来对人脸检测技术的不断研究,人脸检测技术已得到很大的发展,并逐渐成为一个独立的研究课题。在大多数的视频监控系统中,人往往是最主要的监控对象,而人脸是识别人最重要的依据。所以,人脸的检测在数字监控系统中占据着重要的地位。Adaboost算法是人脸检测研究中的一个重要里程碑,是第一个具有实时性的人脸检测算法。从理论上讲,通过足够丰富的样本及足够多的矩形特征,经过足够的训练,Adaboost算法所得到的分类器可以获得无限趋于零的分类错误率。但由于训练设备的局限,基于PC平台的分类器训练往往需要几天甚至几十天的时间,所以,缩短分类器的训练时间尤为重要。本设计依据Adaboost算法的基本原理,在ISE软件平台上,设计并实现了Adaboost算法。在Adaboost算法的训练过程中,涉及的计算量非常庞大,主要表现在特征值的获取和最佳弱分类器的训练两个方面。本设计充分利用FPGA的并行计算能力及块RAM资源,快速获得了样本的特征值,并实现了分类器的快速训练。由于充分利用了FPGA的硬件特点,相比传统PC机训练过程大大缩短。此外,本设计还采用多尺度的检测方法在所训练的分类器上实现了Adaboost检测算法的FPGA实现。本论文首先介绍了课题的研究意义及国内外现状,简要介绍了Adaboost算法的相关理论。详细说明了Adaboost算法训练部分和检测部分的具体实现方法及实现过程,给出了相关模块的仿真结果及结果分析。最后,对论文进行了总结和展望,分析了论文中存在的问题及需要改进的地方。