人脸检测是模式识别与机器视觉领域比较基础和重要的研究课题。人脸是一种常用并复杂的非刚性体,是一种在图像或视频中容易得到的信息源。人脸检测不仅在理论上有重要的研究价值,而且有很广的应用前景,是人脸表情研究的重要内容,在人脸识别、视频监控、人机交互、基于内容的检索、视频会议、身份认证和安全保卫自动监控系统等中具有广泛的应用。利用积分型特征,本硕士论文对人脸嘴唇和人眼等检测等问题进行研究具有很重要的应用价值。主要研究成果如下：第一,提出了基于AdaBoost和Bayes可分离特征的嘴唇集成检测算法。基于沃尔什特征,构建两层级联AdaBoost分类器；在每层级联分类器都完成对负训练样本的完全抛弃的基础上,使用Bayes可分离特征分类器对候选目标区域进行判断,以确定准确的人脸区域。实验结果表明,该算法在检测精度上优于仅使用AdaBoost算法；在检测速度上有一定的提高,总体上可以满足嘴唇的实时检测。第二,提出了基于三角特征的AdaBoost快速人眼检测算法。在已知Haar特征、Walsh特征、三角特征等积分型特征的基础上,根据眼睛在空域的特征构造合适的特征原型,使用AdaBoost算法训练级联分类器。实验结果表明,该算法比仅使用Haar特征在正检率上有一定提高,并且对部分图像表现出更好的性能。第三,对训练样本的关键相关问题进行了深入分析。主要对训练样本的预处理、训练级联分类器时负样本的加载问题、使用边缘特征或肤色特征对人脸候选区域进行校验等进行了讨论和深入分析。