人脸检测技术作为目标检测的一个重要分支，在人工智能和模式识别领域中是一个很重要的课题。其在身份验证、可视通信、人机界面、环境监测、视频监控和教育系统等领域有着广泛的应用。随着智能计算技术的发展，很多新的方法和新的技术不断被引入，人脸检测效果越来越好，检测速度也越来越快。人脸检测是指对于给定的任意一副图像，通过一定的策略对其进行搜索以确定其中是否含有人脸，若有则返回人脸的位置、大小和姿态的过程，它是人脸识别和人脸图像压缩等应用中的重要环节。本文重点研究了基于Adaboost算法的人脸检测，包括以下四方面内容：1.本文介绍了论文选题的意义和背景，人脸检测的研究现状，人脸检测方法以及人脸检测系统的评价标准等。2.介绍了Viola-Jones检测器原理以及Adaboost学习算法的理论基础和发展历程。3.详细分析了人脸检测系统的训练和检测两个过程，阐述了Haar特征、弱分类器、强分类器以及级联分类器的构造和训练过程，并构建人脸检测系统。4.对传统检测方法和放大检测窗口的方法进行比较，分析其分别对人脸检测系统性能的影响。结果表明：传统人脸检测方法在检测率和误检率上优于后者。同时，分析传统的DiscreteAdaboost算法和改进的Adaboost算法所构建的人脸检测系统对退化现象的抑制。结果表明：改进的算法可以更好的避免退化现象对系统的损坏。最后，笔者提出了希望融合多元化的人脸检测方法，将各种不同的人脸检测算法进行有效的组合，从而提高人脸检测速度和检测率，使人脸检测朝着通用化、自动化、实时化、准确化的方向发展。