人脸检测是现阶段模式识别和计算机视觉的关键技术,也是制约机器视觉发展的瓶颈。同时,基于ZYNQ的软硬件协同设计平台为计算机视觉在复杂模式下的检测难题开拓了思路,已逐渐成为一个研究热点,具有非常广阔的应用前景。因此,开展基于ZYNQ的实时人脸检测系统的设计研究具有重要的意义。本文首先介绍了常用人脸检测的基本方法及性能评测标准,重点讨论了传统的AdaBooat检测算法,同时研究了ZYNQ处理器芯片的架构。在此基础上,本文采用了两种基于图像预处理的检测算法,并通过实验对采用的两种算法分析比较,最终选用串行方案作为本文检测系统的算法。进一步改进了传统算法在实时性和检测的准确性方面的不足。算法中的图像预处理包含图像增强、滤波,肤色分割、边缘检测和连通域标定等模块。级联分类器包含AdaBoost算法研发以及级联分类器的构造等模块。然后构建了实时人脸检测的VC测试系统,用仿真验证了算法的可行性及性能。仿真算法包含图像采集算法,图像预处理各模块的算法,AdaBoost级联分类器检测开发算法和实时显示算法。最后,本文利用ARM+FPGA架构的ZYNQ平台进行了算法实现。验证了基亍ZYNQ处理器的人脸检测系统架构设计的可行性及检测的准确性。另外,为保证检测的实时性,在本文中,检测的图像数据源来自插在ZedBoard板上的USB数字摄像头,通过板上的VGA接口与PC显示器相连显示检测结果。最后随机选取收藏的不同类型的1754个人脸图片进行测试,验证了本文采用的算法的健壮性。