生物特征具有普遍性、独特性和在一定时间段内比较稳定等特点，在检测、跟踪和身份鉴别等领域中有重要地位，利用生物特征在图像或视频中检测、跟踪、识别的对象目标是目前研究热点，其中人脸是一种非常明显的人体生物特征，相比其它特征所具有较大优势。本文学习与研究的内容是人脸检测研究及其在嵌入式系统中的实现，人脸检测的过程就是在待检测图像中寻找已经确定的人脸共同特征的过程，具体就是对被检测图像搜寻人脸特征，判断人脸存在人脸特征的图像区域是否为人脸图像，是人脸图像则输出相关信息。在实际应用中，检测环境具有多样性和复杂性，使用单独的检测方法，可能对检测环境适应性不高，导致检测的正确率下降，尝试从肤色检测和AdaBoost算法检测方法这两个方面入手来进行学习和研究：1)提出一种基于预先训练的肤色模型和局部模型相结合的肤色区域检测方法。结合当前被检测图像中的具体的光照环境和图像中的肤色实际分布，提出一种结合局部肤色模型和预先训练的肤色高斯模型的肤色检测方法，通过局部肤色模型参数对预先训练的肤色模型调整，使其更接近实际的肤色模型，实验结果表明，基于预先训练的肤色模型和局部模型相结合的肤色区域检测方法能提高肤色检测率。2)提出一种基于自适应信任距离的快速肤色区域检测方法。在对肤色检测精度要求不高，而对检测速度有着较高要求的检测环境中，提出一种改进的快速肤色检测方法。在待检测图像中，自适应调整信任距离，快速略过被预判为非肤色的区域，而对检测有肤色的区域采取逐个像素检测，实验结果表明，该方法检测正确率同经典检测方法相当，检测速度明显提高。3)利用人脸的肤色信息和AdaBoost算法来检测人脸。使用基于自适应模型的肤色检测方法，标记出图像中的肤色区域，AdaBoost算法找出可能的人脸，然后统计候选人脸区域中被肤色检测方法标记为肤色的像素数量，并判断肤色像素数量在候选人脸区域中没有达到了预定比例的区域为非人脸区域，这样检测方法就能减少对非人脸子图像的误判，降低了误检率。4)实现在嵌入式系统中进行人脸检测。介绍了嵌入式系统硬件构成，建立软件系统和应用开发环境，实现人脸检测。