人脸识别是基于人的脸部特征进行身份识别的一种生物识别技术,在近年来获得了广泛的关注,与人脸识别有关的人脸检测技术也不断取得新的进展。人脸检测是自动人脸识别系统中的一个关键环节。但随着应用场景越来越复杂,人脸检测面临的挑战也愈发严峻,传统的人脸检测算法已经无法满足目前快速发展的应用需求。本文针对这一问题,从特征提取的角度入手,提出了一种适用于人脸检测并且计算快速、表达能力强的特征表示——多通道特征。与传统的Haar和LBP等特征直接在原图上进行特征提取的算法不同,本文通过在不同的方向梯度、不同的颜色空间、梯度幅度等多个通道上进行特征提取,得到更好的结果。除此之外,本文使用了基于决策树的boosting算法用于分类器学习以及基于Soft-Cascade的级联分类算法,并以此为基础训练了多角度的人脸检测器。通过大量的实验和尝试,本文提出的多视角人脸检测器在权威人脸检测测试集AFW和FDDB上取得了较好的检测性能。在AFW数据库上,本文的算法在90%召回率的时候可以做到接近没有虚检,而在95%召回率的时候可以做到90%的正确率。同时本文的算法速度也较快,在普通PC上对于VGA大小的图片上达到20帧／秒的检测速度。实验表明该算法能够满足各类复杂场景的人脸检测需求,具有一定的实际应用价值。