人脸检测问题最初来源于人脸识别，是自动人脸识别系统中的一个重要环节。近年来随着信息技术的高速发展，智能人机交互系统等应用的推广，人脸检测在人脸识别系统中的重要性显著提升。人脸作为人固有的生物特征成为了最具潜力的身份验证的手段，能否正确地检测人脸对后续的识别操作有很大影响，这也就使得人脸检测技术远远地超过了人脸识别的范畴成为了一个独立的研究领域，受到了很多研究者的关注。本文主要对近年来人脸检测算法中比较热门的AdaBoost算法进行了研究，并用肤色分割的方法对其进行了预处理操作，具体的工作如下：①介绍了人脸检测技术中常用的几类方法，并对它们进行了分析和讨论。②对肤色检测技术进行了详细地介绍，讨论了几种常用的色彩空间，包括RGB空间、YCbCr空间、HSV空间等，并阐述了如何在色彩空间上建立肤色模型。针对传统的分离了亮度信息的肤色检测方法本文提出了以亮度信息作为主要依据的肤色检测方法，通过实验表明基于亮度信息的肤色检测方法不仅提高了检测速度，而且检测效果也有所改善。③详细地介绍了AdaBoost算法的思想，包括矩形特征、积分图等概念，并对弱分类器、强分类器以及级联分类器的构造过程进行了阐述。传统的基于Haar特征的AdaBoost算法虽然检测效果较好，但由于Haar特征的特征数过多而影响了检测速度，为此本文提出了基于多块LBP特征的AdaBoost算法，此种特征不仅提高了算法的检测速度，而且相对原始的和多尺度的LBP特征能更有效地描述纹理信息。④针对AdaBoost算法对类似于人脸的图像区域过于敏感的问题，本文将基于亮度信息的肤色检测与AdaBoost算法结合起来，提出了一种新的检测方法。实验表明，该算法在多人脸的复杂背景图像中能够较好地将人脸检测出来，并有效地降低了人脸检测的误检率。