人脸检测是计算机视觉领域的研究热点之一,当前的人脸检测研究主要使用二维彩色图像,但二维图像具有由于光照条件变化而导致信息缺失的固有缺陷,从而影响到人脸检测算法的性能。随着硬件条件的不断发展,深度数据的光照不变性使得其在人脸检测与识别方面有更鲁棒的性能。在常规人脸检测算法的基础上,结合应用深度数据可以有效地提高人脸检测算法的性能和鲁棒性。在深入分析AdaBoost人脸检测算法的基础上,利用AdaBoost算法的特性,结合深度数据对人脸进行检测。正常光照条件下,利用AdaBoost算法,使用较低的区域合并阈值以保证较高的召回率;然后使用深度数据计算得到的人脸实际大小和扩展人脸区域的深度信息标准差进行非人脸区域的过滤以降低误检率。不良光照条件下,AdaBoost算法难以有效地检测到人脸区域,利用深度数据,使用轮廓倒角匹配的方法得到候选人头区域;然后对候选人头区域进行确认,以得到最终的人脸区域。在由Kinect获取的三维数据(包括二维彩色图像和深度数据)测试集上进行测试。结果表明,与相同区域合并阈值的AdaBoost人脸检测算法相比,正常光照条件下的人脸检测算法利用深度数据进行过滤可以在保证召回率的条件下,有效地降低算法的误检率,提高算法的准确率。不良光照条件下,AdaBoost算法难以检测到人脸,而使用深度数据的人脸检测算法可以提高人脸检测的性能。