人脸检测技术是计算机视觉和模式检测领域不可缺少的技术,是人脸图像处理系统的关键步骤。随着移动互联网的飞速发展,这些技术的应用越来越广泛,主要应用在身份验证、智能安防以及远程视频会议等方面。智能终端快速普及全球,具有携带便利、操作简单、运用广泛等优点,移动设备上的人脸检测软件有广泛的应用前景。然而,由于移动设备有限的处理能力,在移动终端上进行人脸检测的效果并不理想。因此,在对现有的人脸检测算法改进的基础上,本文实现了一种面向安卓(Android)平台的人脸检测算法的优化设计。本文深入研究了基于肤色分割的人脸检测算法和Adaboost人脸检测算法,在此基础上,提出一种新的双阈值搜索方法来改进传统的Adaboost算法,缩短Adaboost分类器的训练周期,从而缩短了人脸检测时间。随后,将改进后的Adaboost算法与肤色分割的算法结合起来,在有效的克服肤色分割算法误检率高这一缺点的同时,进一步缩短了人脸检测时间。最后,通过Android应用开发中的Java本地接口(JavaNativeInterface,JNI)机制,将C++语言编写的人脸检测算法集成到Android应用程序中去,从而实现面向Android平台的人脸检测功能。本文采用CMU-PIE和加州理工学院的人脸标准测试集,在Android平台上对改进算法进行测试。经测试,本文的检测率均达到90%以上,误检率控制在9%以下,每张24*24像素的图片的检测时间低于1300ms,验证了系统的性能指标。本文改进后的人脸检测算法与传统的Adaboost算法相比,检测率提升了 1.2%,检测时间缩短了 45.8%。同时,在不同光照强度、人脸存在角度偏转或遮挡物的条件下,人脸图像的检测效果理想。