人脸检测是人脸分析的首要环节,其处理的问题是确认图像中是否存在人脸,如果存在则对人脸进行定位。人脸检测的应用领域相当广泛,是实现机器智能化的重要步骤之一。AdaBoost算法是2001年提出的一种快速人脸检测算法,是人脸检测领域里里程碑式的进步,AdaBoost算法是一种可以将弱学习转化为强学习的方法,从理论上讲,只要有足够多的样本,足够多的特征,训练足够充分,AdaBoost训练出来的分类器的错误率可以无限趋于零。但是,正因为如此,当样本数目比较多,特征数目也很多时,AdaBoost训练算法存在训练时间太长的问题。同时,在检测人脸过程中,由于大多数的检测算法采用穷举方式,当原始图片过大时,也存在检测时间长的问题。本文阐述了对AdaBoost算法的三点改进方法。第一,通过分解二维特征矩阵,将并行计算引入AdaBoost训练算法当中,训练速度在多机环境下可以得到显著提高;第二,将被检测区域划分成多块,用并行检测代替传统的串行检测,这种改进可以在多核处理器上显著提高人脸检测的速度;第三,改进原有的串行人脸检测算法中的移动步长策略,用前一次检测中通过的强分类器数目来动态决定下一次的移动步长,去除许多明显没有意义的检测,从而提高串行人脸检测算法的检测速度。