今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。人脸检测是自动人脸识别系统中的一个关键环节，人脸检测是否准确直接影响到整个人脸识别系统的准确率，因此具有重要的理论意义和应用价值。另外在一个应用系统中不但要设法提高检测的准确率，系统的运算速度也是一个关键因素，准确性和实时性是衡量人脸检测系统的两个重要指标。 　　针对上述两个关键问题，在分析国内外相关研究现状的基础上，本文提出了一种基于boosting和Gabor小波的人脸检测算法。其中包括(1)基于前向特征选择的boosting检测算法的改进。(2)基于Gabor小波和SVM的眼睛和嘴巴检测算法。 　　在基于前向特征选择(FFS)的boosting检测算法的改进中，首先详细阐述了基于前向特征选择的瀑布式检测训练算法，然后对算法在检测过程中存在的一些问题作出了相应的改进，最后通过实验结果证明改进后的算法比改进前具有比较明显的检测性能的改进。使用这一改进后的boosting人脸检测算法来对人脸图片进行检测，我们就可以得到其中的人脸框图，接下来的工作就是如何在已知的人脸框图中定位到眼睛和嘴巴的精确位置。 　　在基于Gabor小波和SVM的眼睛和嘴巴检测算法中，我们使用了灰度形态学、人脸规则预选以及Gabor、SVM的融合验证等方法，这些方法就是为了在已知人脸框图的情况下精确定位到眼睛和嘴巴的位置。首先利用一些光照预处理算法达到一定的光照均衡的效果，接着用掩膜的处理尽量去除背景的影响，然后利用灰度形态学提取出人脸的可能特征点，最后利用一些规则筛选出最有可能的嘴巴特征点，并用Gabor小波来对这些特征点进行表示以及通过SVM验证模块得到嘴巴的精确位置。之后就以类似的方法定位出眼睛的精确位置。 　　实验证明本文所提出的人脸检测算法具有很好的检测效果，并对于各种条件有着很好的鲁棒性。