人脸检测问题最初作为自动人脸识别系统的定位环节而被提出，近年由于人脸检测技术巨大的理论价值和广阔的应用前景，得到了广大学者的普遍关注，各种检测算法和实际应用系统也不断涌现。　　 本文以运动目标检测以及人脸检测的相关算法为研究对象，实现了基于视频图像序列的人脸检测识别系统。该系统具有明确的应用背景，科研人员希望该系统内嵌于先进的数字电视，为广大消费者提供更加人性化和智能化的服务。作为人脸识别系统的关键环节，人脸检测系统的性能直接影响到了整个人脸识别系统的整体性能，本文重点从检测率和检测速度两个方面来分析人脸检测系统的性能，主要工作包括以下三个方面：　　 1)在阅读了大量文献的基础上，结合实际应用的需要，本文选择基于AdaBoost算法的人脸检测方法作为实时人脸检测系统的具体实施方案。首先，从理论方面分析了AdaBoost算法的基本原理，并导出了该算法的训练误差和泛化误差；之后，研究了利用AdaBoost算法进行人脸检测的基本过程，其中重点讨论了多尺度人脸检测以及多个相似人脸框的合并问题。　　 2)研究如何有效地利用视频图像所提供的运动信息来提高人脸检测系统的检测速率并降低误检率。由于研究的是基于视频图像而不是静态图像的人脸检测，图像中检测窗口越小，检测速度越快，误检率越低，为了合理地缩小待检测窗口，本文所构建的系统在进行人脸检测之前，首先进行运动目标检测。在分析现有的运动目标检测算法的基础上，提出了改进的帧间差分算法，该算法能够检测出来当前帧视频图像中的运动区域，还能有效地标示“先验人脸区域”（即前一帧图像中检测到的人脸区域）。　　 3)构建出一个基于运动信息和AdaBoost算法的实时人脸检测系统。为了验证该系统的性能，本文从光照、人脸与摄像头之间的距离、检测速度和检测率等方面做了详细的分析和比较。　　 实验结果证明：与传统的AdaBoost算法相比，本文提出的基于运动信息和AdaBoost算法的实时人脸检测算法，具有检测率高，检测速度快和鲁棒性强等特点。该算法有效的克服了存在大量漏检和误检的现象，同时，在保证准确率的情况，大大提高了检测速率，满足了日常生活的基本需要，也为高性能实时人脸检测系统的商用化做出了有益的探索。