在智能科技日新月异的今天,自动识别技术已经受到众多研究人员及生产应用者的普遍重视。尤其是人脸识别,它是利用生物技术进行个人身份鉴定的一种重要手段,具有极高的研究价值,同时是人机界面,视频会议及监视系统中的关键技术,具有巨大的商业价值。作为人脸识别的第一步,人脸检测的结果对识别结果有着决定性的影响,是关键性的环节。今天,随着电子商务技术的发展,人脸检测在数字视频处理,基于内容的检索等领域的应用价值得到了充分体现。本文从基于AdaBoost的人脸检测算法出发,通过后端优化提高该算法的检测率,再进行眼睛定位对检测出的人脸图像归一化处理,从而得到规范统一的人脸图片检测结果。开发出了完整的,且可作为人脸识别前期阶段性模块的人脸检测系统。首先,对经典的AdaBoost算法进行研究,分析其训练过程及检测过程。同时针对肤色像素在YCrCb颜色空间中的分布进行了分析。鉴于由AdaBoost算法检测得到的人脸结果虚警率较高,提出在后端加入肤色过滤模块,以提高系统性能。然后,提出了一种新的基于块(based on blobs)的眼睛定位算法,将图像二值化并划分为块,利用两只眼睛的相似性和眼睛对的唯一性将一系列的块进行匹配,以此确定一对眼睛的位置。由于我们利用两眼睛固有的位置关系与相互间的相似性,将两眼睛成对考虑,所以本文的方法能检测各种角度(平面旋转)人脸的眼睛,得到较高的检测准确率。此外,实验显示本算法在一定程度上能适应不同光照条件和表情变化。在大量人脸图片上的实验结果表明了本算法的可靠性及快速性。通过对检测出的人脸图片进行眼睛定位,使系统得到尺寸统一,角度规范的归一化检测结果,且利于后续操作,如人脸识别。