人脸检测具有重要的研究意义，近些年来得到了众多研究学者的普遍重视，这是因为人脸检测不仅是人脸识别系统的第一步，也在人机界面、安全访问、视觉监控以及基于内容的检索等领域有广泛的应用。此外，由于人脸是一种非刚性物体，如果能很好的解决人脸检测问题，也就解决了一般物体的检测问题，这将在军事上有较大用途。本文在介绍国内外人脸检测研究进展的基础上，主要研究了3种不同的人脸检测算法，包括： 1) 基于肤色模型的彩色图像人脸检测。该方法首先对图像进行光照补偿，然后对肤色模型处理后的二值图像进行分割与合并，并结合先验知识提取出人脸候选区域，最后验证人脸轮廓、眼睛和嘴等特征来判断人脸候选区域是否包含人脸。实验表明，该人脸检测算法对光照、尺度、姿态、旋转和表情等方面的变化具有较强的适应性和较高的检测率。对1010幅变光照和复杂背景情况下拍摄的包含偏转的彩色人脸图像进行验证，其检测率达到89.7％。 2) 基于直方图统计模型的人脸检测。基于直方图统计学习的人脸检测算法是一种普遍适用的目标检测算法。通过使用5/3小波变换，能有效地提取出空域、频域和方向场上的信息进行建模，同时扑捉目标各部分之间的几何关系，从而提取出完备的特征。本文提出了类似于CLIQUE算法的聚类算法解决检测后结果融合问题，通过选择合适的参数，该算法不仅能有效合并在同一个人脸区域出现的大量正确检测结果，而且能有效的去除初始结果中大量的非人脸候选区域，降低误检人脸个数。本文还成功地将该算法应用到耳朵检测研究中，并取得了较好的实验结果。 3) 基于非线性特征提取的SVM人脸检测。本文主要提出了一种新型的多侧面人脸检测算法。通过比较当前流行的三种非线性降维方法（LLE，LE和LPP），然后使用效果较好的LE算法来对训练样本进行非线性降维，并使用一种新型的非线性支持向量机组合策略来进行多类分类。本文还提出了使用Canny算法来进行级联人脸检测，同时解决了在已有样本集中加入新样本的检测问题。 本文的创新点分别体现在3种不同的检测算法中： 1) 提出新的面部特征提取与验证算法；提出针对于肤色二值图像的区域分割与合并算法；对已有的光照补偿算法做了改进； 2) 提出新的聚类算法来解决人脸检测后结果融合问题；成功使用该算法解决耳朵检测问题；指明小波量化参数的求取方法；提出人脸分类器的阈值选取准则； 3) 提出一种新型的结合LE算法和非线性SVM的多侧面人脸检测算法；提出基于Canny算法的级联人脸检测算法。