人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。利用目前较为流行的AdaBoost算法的一个改进算法——Gentle AdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。通过一系列的比较得出样本选取、特征选取、核心算法等很多因素影响着多层分类器的结构形式。本论文利用相邻象素间的相关性较强这种特性,从减少特征数目着手有效的缩短了训练速度;利用人脸样本分布的统计特性从候补非人脸图片中挑选非人脸样本,既加快了利用分类器进行非人脸样本验证过程,又能在不影响检测性能的前提下减少弱分类器数目,加快检测速度。实验结果表明,采用这些方法,训练每个弱分类器的时间减少到了原来的近十二分之一,分类器层数为15层时检测率已达到百分之九十以上,而误检率远远低于系统预先设定的误检率。