人脸检测，即给定任意图像，确定图像中是否有人脸，如果有人脸，则返回人脸在图像中的位置和范围。人脸检测是一项艰巨的任务，主要原因是人脸特征在人脸模式中的提取是一项非常艰难的工作。人脸特征随着人脸在不同姿态、不同光照和其他如遮挡、不同成像条件下，会产生许多不同的情况，增加了特征提取的难度。所以，人脸检测算法一般存在计算量大、速度慢、鲁棒性不佳等特点。本文研究的主要目的是对于一幅给定的图像，快速而准确地检测出人脸。使用的是一种复合策略，即将整个检测过程分为两个部分：第一部分是候选人脸检出，第二部分是人脸验证。前一部分使用的是灰度图像的数理形态学运算，后一部分使用的是基于AdaBoost思想的分类器验证。在候选人脸检出部分，主要依据是眼睛灰度比周围灰度低，而使用形态学闭运算具有滤除灰度低谷的特性，去除眼睛部分，再通过与原始图像的对消处理，抽取出类人眼部分，进而抽取出候选人脸。在人脸验证部分，主要使用的是AdaBoost集成分类器的思想。因为从以往的研究经验表明，虽然采用最佳分类器能够具有比其他任何一个分类器都好的识别性能，但是，不相同的分类器(包括最佳分类器)所产生的误分类集合不一定是重叠的，或者说性能较差分类器的误分类集合不一定包含较好分类器的误分类器集合。从这一点得到启发，即，那些非最佳分类器有可能对所要完成的识别任务提供可以利用的补充信息，以便进一步改善单个最佳分类器的性能。文中对这两大块进行了详细介绍，最后对整个流程进行了实验。实验表明这一尝试是有效的。