人脸检测是指对输入图像或视频序列进行检测，以确定其是否包含人脸，并对包含人脸的数据提取其大小、形状、姿态和位置等信息的过程。人脸检测技术是机器视觉、模式识别和人工智能等领域的重要课题之一，是人脸识别的前提、众多分类问题的基础，在身份识别、安全防护、视频检索和智能视频分析等众多领域都有着重要的应用价值。本文从目前应用最广泛的基于Adaboost的人脸检测算法出发，提出了一种基于多线程的Adaboost多特征级联检测算法。首先，本文对基于Haar-Like特征的Adaboost算法进行了介绍和说明，对其进行了详细的试验和分析，并实验证明此算法具有训练时间长、复杂背景下误检率高、检测时间短等特点。其次，本文将MB-LBP（Multi-Block LBP，多块LBP，是对LBP算子的一种扩展，使LBP算子对图像具有整体分析的能力）特征应用到人脸检测中，并利用AdaBoost算法对其训练和检测的方法进行实验，在实验过程中发现采用MB-LBP的Adabbost算法具有训练时间短、误检率低、检测时间长的特点，总结出MB-LBP特征在对人脸特征的表征上要优于Haar-Like特征，但检测速度却低于采用Haar-Like特征的Adaboost算法。最后，本文根据Haar-Like特征和MB-LBP特征各自的特点，并为了进一步缩短训练和检测时间，提出了一种基于多线程的AdaBoost多特征级联检测算法。实验证明，此算法在有效降低了误检率的同时大大提高了训练和检测速度，是一种有效的人脸检测算法。