人脸检测(face detection)是指对于一幅任意给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是则返回人脸的位置、大小和姿态。人脸检测是人脸识别、表情识别等课题的研究基础,是模式识别的重要应用,在安全识别、身份鉴定中有着广泛应用前景。本文的研究目标是如何快速、准确地在图片或视频中检测出人脸,并基于Adaboost方法构建了一个人脸检测系统,系统主要由两个部分构成:训练正负样本得到分类器部分和人脸检测部分。本文所做的研究工作如下:(1)利用Adaboost算法训练分类器,训练过程在原文献的基础上加入了倾角45度的矩形特征,并在选取样本时增加了训练的样本数,包括了不同角度人脸的样本和有附属物的人脸样本,以提高系统的鲁棒性。并对Adaboost算法做了以下改进:为每个样本附加一个选取标记,初始值为1,表示可以被选取,若迭代后样本的权值小于某个值,则将此标记置为0,该样本将不可选,这样避免了样本的重复选取。(2)检测时采用了放大检测窗口方法,这种方法可以充分利用积分图的快速计算优势,提高系统的检测速度,并且计算量小。对图片进行检测时,先对图片进行预处理,采用Canny算子提取边缘,去掉部分背景区域,这样提高了系统检测速度。(3)在进行视频检测时,先对视频文件进行肤色检测,从而减少送入多层分类器中窗口的数量,可以使检测时间进一步满足实时检测的需要,同时提高检测率和降低误检率。在解决检测视频中的侧面人脸吋,与基于图论中割集原理的精确检测相结合,将前几帧的正面检测图作为精确检测的初始区域,代替原算法中需要手动划定初始区域的方法。