人脸信息在生物识别、安防监控、人机交互这些领域具有广泛应用。人脸检测是利用人脸信息的关键步骤，人脸检测的准确度和速度会影响整个人脸应用系统的效果。过去十几年中，正面人脸检测问题已经得到有效解决。近年来伴随着机器视觉、人工智能的发展，对人脸检测技术提出了更高的要求，只能检测正面人脸的方法已经不能满足实际要求。　　在基于Adaboost算法的人脸检测方法的基础上，本文提出了一种能够同时检测正面人脸和侧面人脸的多角度人脸检测方法。论文首先对经典的人脸检测方法做了总结，重点分析了基于Adaboost算法的人脸检测方法，明确了使用Adaboost进行人脸检测的理论依据，并对Haarlike特征、积分图等基础理论做了充分研究。　　其次，由于传统Haarlike特征不足以描述侧面人脸，本文提出了两种新的非对称Haarlike特征，和原有特征一起构成更加完备的特征集，用以提高对侧面人脸的检测效果。为检测不同角度的人脸，本文将侧面180°旋转范围内的人脸划分成5种角度区间，利用人脸的左右对称性将人脸角度简化为3种，针对3种角度范围内的人脸分别采用Adaboost算法训练3个分类器，利用对称性将其中两种侧面分类器对称处理，得到对应5种角度的5个分类器，由此构成多角度人脸检测器。　　另外，本文对各种角度、各种大小的人脸的方差做了统计，并与背景的方差统计结果进行对比，得出人脸方差的分布特点。在检测过程首先对图像做方差预处理，排除部分与人脸方差差异较大的背景区，选定人脸候选区，然后利用人脸检测器精确检测人脸。　　最后，在CMU和BioID标准人脸测试集以及自己从网络上收集的多角度人脸图片集上做了测试，验证了检测方法的效果。　　测试结果表明本文所采用的方法能够有效检测图像中的正面人脸和侧面人脸，改进了原始检测方法只能检测正面人脸的不足。但是对于变化角度复杂、遮挡等条件下的人脸检测问题还需要进一步研究。