本發(fā)明公開了一種基于自適應(yīng)閾值調(diào)整拒識(shí)子空間學(xué)習(xí)的人臉檢測(cè)方法，步驟為：S1，采集人臉和非人臉圖像，進(jìn)行灰度和尺寸歸一化處理后形成訓(xùn)練樣本集合；S2，利用訓(xùn)練樣本集合，采用Boosting算法和互信息最大化準(zhǔn)則訓(xùn)練人臉檢測(cè)模型中第k層的強(qiáng)分類器；S3，采用修正的互信息最大化學(xué)習(xí)準(zhǔn)則自適應(yīng)的調(diào)整人臉檢測(cè)模型中第k層強(qiáng)分類器的最優(yōu)拒識(shí)閾值，得到帶拒識(shí)的強(qiáng)分類器；S4，利用帶拒識(shí)的強(qiáng)分類器在訓(xùn)練集上篩選出拒識(shí)的樣本作為第k+1層分類器的訓(xùn)練樣本；S5，重復(fù)S2至S4直至滿足收斂性條件；S6，利用帶拒識(shí)的強(qiáng)分類器對(duì)待檢測(cè)的圖像進(jìn)行人臉檢測(cè)。該方法縮減人臉檢測(cè)模型的復(fù)雜度，提高人臉檢測(cè)模型的靈活性。