本文研究了如何快速、精确地在一幅图片中检测出人脸，系统地分析和探讨了现在较为主流的多种人脸检测方法的基本理论以及算法，同时仔细分析并研究了由Viola 等人提出的 Adaboost 级联人脸检测算法，本次论文的主要任务在于：

1.分析和探讨现阶段多种人脸检测方法的基本理论以及主流算法，并对不同人脸检测方法的优缺点进行了深入的研究和讨论。

2.详细得介绍了Adaboost算法的Haar特征、积分图像、弱分类器、强分类器的概念，在深入研究基于 Adaboost 算法的人脸检测方法的同时，构建了一个人脸实时检测系统。

作为人脸检测领域一种新兴技术，Adaboost方法还存在一些缺陷。虽然它具有很强的实时性，但在真实场景下的人脸检测会出现很多错判和重复的检测结果。因此，Ada Boost方法用于人脸检测有待进一步的完善。

本文的主要工作

由于人脸检测的普及程度逐渐扩大的,为许多的应用技术提供了新的研究方向，人脸检测作为生物认证中的研究热点,有着很广阔的应用前景。本文对人脸面部检测进行研究，针对低头看手机时光照复杂问题， 使用手机摄像传感器采集图像数据，采用光照成像模型和光照估计方法对采集到的图像 进行预处理，并利用Adaboost 算法进行人脸检测，测试并讨论该算法在不同情况下的检测结果。本论文重点研究 复杂环境下光照预处理方法以及人脸状态识别方法，并对这些方法 进行对比研究，提高人脸检测系统的可靠性和识别度。

本论文的组织结构如下：

第一章为绪论，本章描述人脸检测识别的定义及意义，并分析人脸识别技术在国内外的研究现状以及前景， 讨论现有的人脸检测方法存在的问题，最后介绍本课题的研究内容和论文组织安排。

第二章为人脸检测方法以及评价指标，本章介绍了介绍现在人脸检测方面常用的方法，包括： 基于知识规则的方法、基于模板匹配的方法、基于统计模型的方法，同时概述各类方法的优缺点，为下文选择合理的人脸检测提供依据，并介绍人脸检测算法评价指标，检测率(hitrate)，误检率(false alarm rate)，检测速度(detecting speed)，鲁棒性(robustness)。并根据这些指标选择合理算法，从而提高手机颈椎卫士对人脸面部的检测正确率以及准确率

第三章为人脸检测主要算法研究，本章首先介绍人脸面部检测的重要算法种类,概括了其特征原理以及优缺点,同时主要介绍了较为主流的 Adaboost 算法产生的相关背景知识,指出了

Adaboost 算法的相比于其他算法其优势所在,然后给出了Adaboost 算法的具体流程的具体描述, 接下来将叙述如何将 Adaboost  算法应用到手机颈椎卫士的人脸检测部分中。

第四章是本文重点部分，本章将基于 Adaboost 算法的人脸检测技术的原理以及实现过程进行叙述，通过对图像进行预处理将图像信息进行改善精简，本章讲述得到处理后的图像信息后，应用Adaboost算法进行人脸识别的，并解释解释该算法的原理以及应用，测试并讨论了在不同情况下的人脸检测效果。

第五章对本文研究内容进行了总结与展望。