人脸作为图像与视频中最重要的视觉对象之一，提供了大量视觉信息，是人类进行身份确认最方便最直观的方式，因此一直是机器视觉领域的研究热点。在目前的人脸图像信息处理领域中，包含有人脸识别、人脸跟踪、姿势估计、表情识别等多个研究方向，然而，所有这些研究方向都涉及到一个人脸标识和定位的问题，即人脸检测。人脸检测是全自动人脸识别系统和许多监视系统的第一步，也是自动目标识别和通用物体检测的重要方面。 对于一个完整的、自动的人脸信息分析系统来说，人脸检测算法是必不可少的。人脸检测是指对任意给定的一幅图像判断其是否存在人脸；如果存在，则还需要进一步指出人脸的具体位置及范围。 人工神经网络类似于生物神经系统，是以神经细胞为基本运算单元（即人工神经元）组成的一种非线性自适应动力学系统。对于人脸这类复杂、难以显式描述的检测模式，基于神经网络的方法具有独特的优势，它把人脸模式的统计特性隐含在神经网络的结构和参数之中，通过对大量样本的训练，来完成检测任务。 本文介绍了神经网络的基本原理和主要特征；针对人脸检测领域的特殊性，通过理论分析和大量实验获得了一个较为有效的神经网络结构；对待测图像进行预处理，减少光照等因素带来的影响，提高检测率；引入学习率来加快误差反向传播神经网络的训练速度；在窗口扫描过程中采用了基于金字塔的子采样方法来解决图像中人脸的大小和位置问题。最终，提出了一个经过改进的基于神经网络的人脸检测系统。 实验结果表明，基于误差反向传播神经网络的人脸检测方法可以有效地运用于多人脸、不同大小、不同位置、不同方向、不同面部表情和不同光照条件等情况，同时取得了较高的正确检测率和较低的错误报警率。