随着数字图像处理技术以及智能学习算法的不断发展,人脸检测技术正越来越多的应用到视频监控、人机交互以及电子商务等领域。本文首先对已有人脸检测技术进行了总结和归纳,并详细分析了目前应用最为广泛,精度和检测速度最好的AdaBoost算法。AdaBoost算法是一种基于积分图像特征的统计方法。其次对已有的AdaBoost改进算法特别是非平衡AdaBoost算法做了介绍,提出了非线性Boosting算法并优化了Gabor特征的提取方法。为了提高在检测阶段级联分类器的合理分配使用,我们引进了混合级联结构,论文主要研究工作及创新性成果如下：(1)对Gabor特征的提取方法做了优化,用非平衡Gabor特征替代了传统的Haar特征。并行AdaBoost算法优化了Gabor小波对人脸图像的表征能力,提取了在不同频率和方向上具有最优表征能力的非平衡Gabor特征。(2)改进了传统的非平衡AdaBoost算法,提出非线性Boosting算法来处理训练样本和检测图像正负子窗口间的非平衡问题。在我们的算法中,直接以最优化非平衡误差为训练目标,没有试探性的加权操作,并且训练的级数完全由算法自动选择而不是人为设定。比对实验验证了我们算法优越的训练和检测性能。(3)引入了混合级联结构,对分类器的级联结构做了更为合理的分配,进一步提高了检测速度。达到了系统高检测率和实时处理的优化目标。