人脸检测技术是模式识别、图像处理等学科的一个最热门研究课题之一。随着社会的发展,各方面对快速有效的自动身份验证的要求日益迫切,而人脸检测技术作为各种生物识别技术中最重要的方法之一,已经越来越多的受到重视。对于具有实时,快捷,低误识率的高性能算法以及对算法硬件加速的研究也逐渐展开。PCA算法由于其高效性已经在模式识别领域得到广泛的应用,成为了人脸检测的重要方法之一。本文在分析了PCA算法的特性上对其进行了改进,使得其在人脸检测的过程中提高了检测成功率,并且有效的降低了误报率。本文的主要工作为根据PCA算法的特点提出了一种基于QEA算法改进的新的方法。该方法是针对PCA进行人脸检测的过程中,由于其阈值在选取的时候具有一定的盲目性,从而导致其检测结果不理想而提出的方法。在本文中首先我们使用QEA搜索PCA过程中的权重因子,在确定权重因子的同时也就确定了相应的闽值,使得在选取阈值的过程中有据可循,从而能够高效的确定最佳阈值。另外在本文中构建了AR和RIT人脸数据集,将改进方法同PCA方法应用于人脸数据集的检测中,并且对实验结果进行了分析比较,最终证明经过QEA改进后的算法在检测成功率和误报率上都要优于PCA算法。