视频人脸检测技术受到高度关注，应用领域相当广泛，如视频监控、图像检索、人机交互等，然而对处于不同角度的人脸的实时检测仍然是这个领域中极富挑战性的课题。本论文研究的是视频序列中不同角度的人脸检测、跟踪问题，结合预检测与后验证机制，提出基于改进的Adaboost的检测算法；首先介绍视频人脸检测技术的发展和常用方法，然后阐述视频人脸检测系统原型的设计与实现，最后在标准人脸库和视频环境中测试性能、分析结果。本文重点是视频人脸检测系统的研究与实现，系统分为四大模块：1）运动目标预检测模块；2）人脸检测模块；3）人脸验证模块；4）人脸跟踪模块。本文系统的创新之处有三点：1）利用预检测模块缩小和简化检测范围与环境，提高系统检测速度的同时降低了误报率；2）引入扩展haar-like特征实现视频中多角度检测；3）结合肤色模型与样本模板进行人脸验证。运动目标预检测模块目的在于获取潜在人脸图像区域，首先基于背景差分的思想利用GMM模型分离背景与前景，然后借助部件连接得到兴趣区域位置、大小等信息。人脸检测模块则利用Adaboost算法从潜在的人脸图像区域中检测而得到候选人脸，本文重点在于分类器的训练与分析，并在此基础上构建了一个检测器的原型，实验表明我们的检测可以实现实时的视频人脸检测，可达到95.35%检测率。人脸验证模块使用一种新的验证机制—肤色模型与模板匹配的层叠验证候选人脸，首先利用基于HSV与YCbCr空间的肤色模型进行第一层验证，然后使用人脸模板进行第二层验证；实验表明结合验证机制的检测器在保持原有高检测率的基础上，误报率仅为0.48%。人脸跟踪模块利用高效的Camshift算法对人脸进行实时跟踪。实验结果显示，本文的人脸检测系统能够有效地检测出视频流中有偏转角度的人脸，并进行实时跟踪，具有广泛的应用前景。