人脸检测问题最初作为人脸识别系统的定位环节被提出,近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值,开始作为一个独立的课题受到研究者的普遍重视。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。本文正是基于神经网络的这些优点提出了一种基于卷积神经网络(CNN, Convolutional Neural Networks)的人脸检测方法。由于该方法使用了一个卷积层和一个子抽样层,在增强了输入图像的特征的同时又缩减了输入数据量。经过这两层处理后的输入图像由输入时的400个输入变成了144个,输入参数几乎减少到原来的四分之一。激活函数和处理后的输入层的连接没有采用全连接,而是部分连接。这样训练参数进一步减少。由于上述特点,本文所采用的卷积网络具有结构简单、训练参数少和适应性强等优点。经过试验表明,使用了该方法的人脸检测器可以检测出具有不同表情、姿态、尺寸和背景的图像中的人脸位置,并达到较高检测率、速度和低的错误警报数。