近年，在人工智能快速发展的大背景下，涌现了大量高精度，高分辨率的图像识别算法。这些算法应用在例如安防监控，先进辅助驾驶系统和自动化制造等不同领域。AdaBoost人脸检测就是其中一种算法，由于其复杂程度和庞大的计算量，导致只能应用在对实时性要求不高的场景中。为了将人脸检测应用于实时的场景中，所以就需要提高平台的计算能力。　　本文以以上背景为基础，主要完成了以下工作：　　1.对于算法进行了并行性分析，分析了使用不同的参数和并行度的情况下，算法的运行效率。　　2.基于算法分析的结果，提出了一种 AdaBoost可配置的专用硬件加速器结构。　　3.设计并实现了基于ZYNQ平台的ARM&FPGA异构计算平台。　　4.分析了算法的工作流程，设计并编写了异构系统的控制代码，使得系统工作在高效的状态下。　　本文设计并实现了一种针对AdaBoost算法的加速器，这个加速器与类似的文献相比，在使用较少的硬件资源的同时，获得了较高的性能。并且基于所设计的加速器，完成了架构的设计和程序的编写，最终实现了一个完整的人脸检测系统。