随着目标监控、目标跟踪、人机交互、人流统计等领域的兴起,人脸检测已不仅是人脸识别前期的一个重要步骤,它开始作为一门独立的技术受到了人们越来越广泛的关注。从数码相机、人机交互中的人脸定位,3G业务的图像通信,到人物跟踪、警戒区报警都离不开人脸检测技术。但由于人脸检测需要进行的计算量大,检测速度的提高和精确度的保证成了相互矛盾的两个方面。而很多应用中对这两方面都是有所要求的。另外,要使人脸检测技术能在未来发挥重要作用,真正有效应用于各种应用场合,那么人脸检测芯片的功耗、成本、可配置性都是值得研究的,这同时也是现今人脸检测技术面临的难题。本论文致力于研究高性能人脸检测芯片的关键技术,从算法的改进、结构的设计、可配置性等多方面提出了实现高精度高速人脸检测芯片的一些创新性想法。考虑到算法的有效性是高性能检测的一个重要方面,本文对目前最为高效的基于AdaBoost的人脸检测算法进行了深入的分析,介绍了其训练与检测的具体方法。并提出了方差预处理与级联结构相结合的人脸检测算法,以及适合于硬件实现、减少图像访存频率的图像缩小法。然后对目前国际公认的五个人脸数据库进行了总结与归纳,用各个数据库的测试结果证明了改进后的人脸检测算法的有效性。并对算法进行了定点化分析,选择了合适的定点化位数。本文还从检测速度的提高、芯片的面积消耗、功率消耗各方面综合考虑,提出了高效的存储方案设计、积分图快速更新法、四级流水线处理结构,对芯片内部各模块的划分、各模块的结构、它们之间的工作时序等都进行了分析研究。并对设计的高性能人脸检测芯片进行了仿真、综合、验证与测试。实验结果表明,算法上的改进以及芯片的上述设计技术使得人脸检测芯片可以达到在保证高精度高速的前提下,具有较低的功耗和面积,与性能居于国际前沿的其他人脸检测芯片的测试结果相比,具有其优势。鉴于人脸检测芯片的可配置直接影响其未来多场合应用的灵活性和开发成本,本文义提出了多模式可调人脸检测的概念。从人脸检测四个关键因子着于,分析其对检测性能的具体影响。并使其作为能调节芯片工作于不同模式的四个输入参数,实现了芯片的参数可调性能。人脸检测技术是一门值得不断深入研究的课题,该课题的开展能带来巨大的社会效益,其研究成果也能为其他类型的目标检测提供有意义的参考。