传统人脸检测方法受人脸多姿态变化和面部特征不完整等因素影响,导致检测效果不佳。为解决上述问题,提出一种两层级联卷积神经网络人脸检测方法。首先,构建两层卷积神经网络模型,利用前端卷积神经网络模型对人脸图像进行特征粗略提取,再利用最大值池化方法对粗提取得到的人脸特征进行降维操作,输出多个疑似人脸窗口;其次,将前端粗提取得到的人脸窗口作为后端卷积神经网络模型的输入进行特征精细提取,并通过池化操作得到新的特征图;最后,通过后端卷积神经网络的全连接层和输出层进行分类判别,并采用非极大值抑制方法筛选输出最佳检测窗口,从而完成人脸检测全过程。实验选取FDDB人脸检测数据集中包含人脸多姿态变化以及面部特征信息不完整等情况的图像进行测试,利用检测率、误检率、漏检率以及检测时间等四个指标,评价两层级联卷积神经网络算法。实验结果表明,两层级联卷积神经网络算法相比当前流行方法在保证算法检测速度的同时检测率均有提高。而且,两层级联卷积神经网络人脸检测方法可以在人脸多姿态变化和面部特征信息不完整等复杂情况下,能够保证较高的检测率,方法具有较好的鲁棒性和泛化能力。该论文有图27幅,表3个,参考文献58篇。