图像目标的监测和辨识一直都是计算机视觉范畴里非常关键的问题。人脸可以作为一个人身份验证的依据,它是人类的主要辨识特征之一。同时,人脸检测也是人机交互领域的重要技术,应用于监控系统、相关图像检索等各个方面。现在,使用最多的人脸检测算法是基于AdaBoost的检测算法。这种检测算法保证了检测的效率和准确率。人脸检测的研究,一直专注于设计新的算法或提高现有方法的准确性。而嵌入式设备资源有限,导致现有的人脸检测方法在嵌入式设备上处理效率低下。因此,人脸检测的效率逐渐成为了人脸检测的关键问题。针对此问题,本文对人脸检测实现了并行化计算,在Parallella平台上,利用集群和Epiphany多核处理器对基于AdaBoost的人脸检测算法进行了并行计算处理,并且设计了并行处理的人脸检测系统。本文从以下几个方面进行研究。首先,指出了人脸检测过程中扫描窗口部分占用极大的系统资源这一弊端,提出了多核并行人脸检测的解决方案。其次,在此基础之上,鉴于视频中每帧图像的分辨率相同,导致每帧图像的检测工作任务相似,本文对并行人脸检测系统进行了优化,对单帧图像检测过程中的相同部分只做一次处理,不再重复计算,从而提高了系统的性能。然后,本文采用MPI技术把单板的并行人脸检测拓展到集群,利用集群进一步提高计算速度。其中集群内每一块开发板都使用多核处理器并行计算。最终,采用Parallella平台实现并行人脸检测系统,Parallella平台包含ZYNQ和多核处理器,其中ZYNQ中的ARM A9处理器运行人脸检测系统,多核处理器协助ARM处理复杂计算。此外,本文对基于Parallella平台的人脸检测的并行计算系统的性能进行了验证。