近年来,随着计算机科学在人机交互领域的极大发展,作为人脸信息处理中的一项关键技术,人脸检测现在已经成为模式识别与计算机视觉领域内一项受到普遍重视,并且研究十分活跃的课题。本文从实用角度出发,以提高准确性和实时性为目的,对Adaboost学习算法做了改进,实现了正面的人脸实时检测;并借鉴Stan Z.Li的金字塔分类器思想,对多角度的人脸检测算法进行了研究。本文研究主要工作如下:首先,对Paul Viola方法中所使用的矩形特征进行了扩展,增加了45°旋转的矩形特征,通过积分图可以快速计算矩形特征值,从而扩大了训练的范围,提高了检测效率。其次,运用上述的矩形特征来构建弱分类器,采用改进的Adaboost学习算法和多层级联分类器的结构,实现了正面人脸的实时检测,实验结果表明本文的改进算法有较高的检测率和较低的误检率。最后,利用前面的正面人脸检测的算法,并借鉴Stan Z.Li的金字塔型分类器思想,将人脸检测系统扩展到多角度上,构建了一个多角度的人脸检测框架,取得了一定研究效果。