人脸检测就是一种可以定位出人脸区域的方法,给定任意的图像,确定图像中是否有人脸存在,若有,则返回图像所在的位置和区域。基于利用人脸知识的不同,可以将人脸检测方法分为基于知识的分析、基于特征的方法、模板匹配法和基于外观的方法。本文基于当前主流的人脸检测算法如AdaBoost及支持向量机(Support Vector Machine, SVM)等进行了研究与分析,并针对其中存在的问题与不足,提出了提高人脸检测性能的方法及改进策略。本文具体工作主要包括：(1)改进AdaBoost算法,使其能快速对样本图像检测人脸。通过对类Haar特征增加约束有效选取人脸特征,减少整体特征数,提高训练速度和检测速度。(2)通过使用SVM算法优化改进的AdaBoost算法,使其能准确检测人脸。利用基于HOG特征的SVM算法,准确地检测人脸,提高人脸检测的正检率,降低误检率,从而得到快速高效的人脸检测。(3)用本文的人脸检测算法在一定规模的测试集上进行测试,分别采用小样本(正负比100：300)和大样本(正负比1000：3000)进行AdaBoost实验；采用随机采样的样本(正负比500：1200)做SVM检测实验。(4)实验结果分析。首先将改进算法的实验结果与原AdaBoost算法结果进行对比,然后对改进后的算法与SVM实验结果作对比分析,从实验结果分析得出本文的人脸检测方法的性能优势。