随着时代的进步与科技的发展,人脸检测识别技术逐渐成为机器学习和模式识别科研领域的重要研究课题,具有极高的学术研究价值和商业应用价值。人脸检测是一种非接触性生物特征检测,作为人脸识别的第一个环节,人脸检测是在对给定的任意一副图像中通过一定的策略对其进行搜索,确定是否含有人脸的过程。在这个追求效率的社会中,越来越多的实时信息采用图像和视频方式保存,因此,人脸识别技术也被广泛应用于身份识别、安全认证等领域。本文以经典的Adaboost算法为基础,分别在算法训练、算法检测过程对其进行优化,之后运用到人脸检测工作中。研究工作包括:首先,分析了国内外人脸检测技术的研究现状,对常用的人脸检测方法进行了讨论。其次,对Haar特征、积分图像、分类器和训练人脸库的原理和特点进行了深入探讨,分析了原生Adaboost算法在人脸检测中检测率较低的原因。针对由于训练样本单一导致不能正确检测倾斜人脸和过度依赖训练样本的问题,提出了两类新的特征模板,并从镜像、噪音和旋转三个方面丰富了训练样本集。再次,分析了因训练样本中存在大量难分类样本导致样本权重失衡问题的原因,并提出了新的样本权重计算规则,从而提高了Adaboost算法的检测速度和检测性能。最后,分析了PCA模型的核心理论特点,并结合优化后的Adaboost算法构造出一个完整的人脸检测识别系统。