人脸识别是模式识别研究中的重要研究课题,具有很高的学术价值和应用潜力,它的主要研究内容包括照片或视频图像的识别还有图像的分析合成。目前常见的人脸识别基本算法可分为几类：基于几何特征的人脸识别、基于子空间分析的人脸识别、基于模板匹配的人脸识别、基于隐形马尔可夫模型的人脸识别、基于神经网络的人脸识别和基于3D的人脸识别等。现今基于Adaboost技术的人脸检测技术已经十分成熟。在机器学习中,直接建立一个高性能的分类器是很困难的,但是如果能找到一系列性能相对较差的分类器,并把它们的正确的共同特征集合起来的话,就能得到很好的分类器。该方法首先将人脸用几何特征矢量表示。然后,设计分类器对人脸进行识别。最后设计一系列弱分类器级联成强分类器。本文对多级人脸检测识别系统的几个关键技术,人脸检测、特征提取、人脸识别、数据存储、多级分类器训练：以积分图矩形特征为特征向量,构建一个粗筛选分类器,利用此分类器对检测对象粗筛选,从而使大量可能造成干扰的背景部分被滤掉,达到加快处理速度、避免对非人脸部分的样本采集的目的,进行了深入研究,并提出了一种快速的基于人脸图像特征的检测方法。本文首先介绍了人脸检测的背景知识和相关技术,然后,对视觉检测系统的软件构成进行分析,最后,提出了一种基于Adaboost人脸检测方法的检测系统分类器。该检测系统主要由图像预处理模块、图像识别分类器、存储模块组成。实验结果表明,本文所提出的系统方案有效可行,能够快速有效地识别人脸。