人脸识别是一项方兴未艾的生物特征识别技术,广泛应用于各行各业身份识别的信息技术领域。近十年来,伴随着网络通信和多媒体技术的飞速发展,以及计算机硬件水平的快速提升,作生物特征识别技术的分支之一,人脸识别由于其自然性和非接触性等特点,在模式识别和人工智能等研究领域倍受欢迎和关注。人脸识别系统的一项关键环节就是人脸检测。所谓人脸检测是基于人脸的特征提取,在给定的图片(通常为灰度模式)中检测是否存在人脸,如果存在人脸则逐一标记人脸的具体位置和大小。在现阶段的各种人脸检测算法中Viola提出了经典的AdaBoost人脸检测器。但是,该传统的AdaBoost算法依然存在需要改进的地方：比如检测率较低和虚警率较高,弱分类器训练时间过长等缺点。针对上述问题,本文在AdaBoost算法上,结合支持向量机的思想,尝试性地提出了一种基于粒子群的AdaBoost算法。该算法主要针对传统的AdaBoost人脸检测器中各弱分类器权重系数无法达到全局最优的情况提出的。在此改善算法中,主要采用如下三项的关键技术：①利用支持向量机的思想构建AdaBoost人脸检测器。②利用粒子群优化的思想全局优化提升弱分类器的权重系数。③利用模拟退火思想改善粒子群过早收敛的缺陷。为了验证提出的PSO-AdaBoost算法的可行性与有效性,利用OpenCV和Matlab为实验工具,以ORL人脸库和归一化处理的图片作为训练集,以大量灰度照片作为测试集进行实验。结果表明：基于粒子群的AdaBoost人脸检测器能在传统AdaBoost人脸检测器基础上提高检测性能。