人脸检测技术经过几十年的发展,已经取得了可喜的成果。特别是在正面人脸检测方面,现有的算法已经达到可以实用的程度。但是由于多姿态人脸的不稳定性,使得在多姿态人脸检测方面的研究仍然存在许多不足,并远远落后于实际应用的需要。本文针对多姿态人脸提出了一个具有较高检测率且速度较快的检测系统。Viola提出的基于Adaboost的人脸检测算法已被证明是一个有效的人脸检测算法。本文以该算法为基础设计了一个多姿态的人脸检测系统。该系统包括:正面人脸检测、侧面人脸检测和旋转人脸检测三个步骤,并为这三个步骤分别设计了相应的算法。在正面人脸检测算法中,为了提高训练分类器的速度,本文通过使用直接求目标函数的方法,避免了每个弱分类器多次计算特征值,最终使训练弱分类器的过程变成了一个权重累加过程。通过使用这一改进后的方法,可以使算法速度提高近六倍;在侧面人脸检测算法中,为了使训练分类器有较高的检测率和较低的误检率,本文扩充了已有的Harr-Like特征库,并将扩充的特征应用到分类器训练中;在旋转人脸检测算法中,为了避免每次训练新的分类器都要消耗训练时间,采用了旋转检测窗口的方法。为了更好的保证图像的灰度特征,本文使用了基于高斯模板的旋转算法;在整合多姿态人脸检测系统时,本文通过消除冗余检测,加大检测窗口的移动距离,加快了整个系统的检测速度。通过大量实验证明了本文实现的多姿态人脸检测系统具有较高检测率和检测速度。