人脸检测是指在输入图像或视频中检测是否存在人脸，若存在，则标注出人脸的位置、大小和姿态的过程。人脸检测技术在视频监控、智能安防、视频会议、人机交互、安全访问等多个领域都有重要的应用，其应用范围已经超越人脸识别。因此，人脸检测成为一项重要的课题，受到越来越多学者的关注。本文主要分析了基于Adaboost算法和基于肤色的人脸检测方法，并分别改进了两种算法，综合比较了二者的优缺点，提出一种将二者结合的改进算法用于人脸检测，本文的研究工作主要包括以下几个方面：首先研究了基于肤色的人脸检测方法。介绍了几种常用的色彩空间和肤色模型，并分析了本文选择YCbCr空间和高斯模型的原因；给出具体的肤色检测流程，包括图像预处理、肤色似然度的计算、肤色阈值分割以及形态学处理和肤色块的筛选；本文对固定阈值分割的方法进行了改进，采用Otsu算法进行阈值的自适应分割，该方法比固定阈值分割的方法更灵活、适用范围更广，能够更好的实现肤色分割。其次对基于Adaboost算法的人脸检测方法进行了深入研究。首先介绍了Adaboost传统算法、Haar-like特征、积分图以及利用积分图计算特征值的方法；然后重点分析了弱分类器、强分类器和级联分类器的构成和训练方法；给出了Adaboost检测过程中一些关键的流程图；最后对Haar-like特征进行了扩展，补充了3种能够更加细致的描述人脸的矩形特征，使人脸检测效果更加理想。最后对单独使用肤色检测和Adaboost检测的实验结果及算法理论进行对比分析，提出了一种将二者结合的改进算法。通过大量实验可以证明，采用本文改进的检测方法较单一使用两种算法，能得到更高的检测率和更低的误检率，提高了检测性能。