人脸检测研究在人脸识别、新一代人机界面、视觉监控、基于内容的图片检索等诸多领域中具有广泛的应用价值,近年来受到国内外研究者的普遍重视也出现了众多的检测方法。大部分方法的检测速度都比较慢,这就限制了其在实时性要求较高领域中的应用。这个检测速度的难题在Viola和Jones的研究下得到了比较理想的解决。他们提出的基于Boosted Cascade检测结构基本上能满足实时的要求。本文的主要工作及创新是在基于AdaBoost的人脸检测算法的基础上,提出了两点改进方案:第一个改进是提出一个双阈值分类器来取代原来的单阈值弱分类器。这个改进能够使训练时间大大减少,检测速度也有一定的提高;第二个改进是采用基于半边脸样本集进行训练而不是用完整人脸进行训练。这个改进拓宽了人脸检测范围,对有遮挡、左右脸光照不均匀以及有明显偏转的人脸也能检测到。本文最后还实现了一个视频人脸检测系统,将人脸检测从静态图片推广到视频的动态检测。该系统采用的Cascade检测链是综合了本文提出的两个改进训练得到的检测链,并能基本满足实时检测的要求。