人脸检测是对象检测的具体应用,目的是能找到并返回图片中所有人脸的位置及大小。人脸检测作为模式识别与计算机视觉研究领域里一个重要的研究课题,日益得到广泛应用,如视频检索、视频监控以及信息安全等方面。本文以人脸为检测目标对象,研究了用于快速准确检测出目标人脸的分类器训练生成技术以及分类器的性能分析与应用技术。首先,本文简单介绍了目前的人脸检测技术发展现状和主流的人脸检测方法,接着深入研究了Paul Viola等人提出的基于Adaboost算法和cascade算法实现的人脸检测方法,在此基础上构建了满足训练要求的独立样本库,采用Adaboost算法思想提取样本Haar特征训练生成强分类器,再采用cascade方法将强分类器构成一个级联分类器,最后调用生成的分类器构建出一个人脸检测系统并通过实验分析了分类器的检测性能,总结了样本库和训练过程对分类器检测性能的影响关系。根据实验结果,利用图表进行检测性能对比,可以分析得出检测性能相对较好的分类器训练技术过程。实践证明根据该训练过程训练得到的级联分类器用于人脸检测系统时,能得到相对最好的检测效果和合理的正确检测率和较低的误检率,具有实际应用意义。本课题可为目标检测技术的应用和推广提供了一个良好技术支持,具有很强的通用性和移植性。