随着信息时代的到来，人脸图像检测技术具有重要的科学意义和广泛的应用前景。人脸图像由于受到如位姿、光照、表情等多种因素的影响具有模式多样性，这使得人脸检测问题充满了挑战。由于位姿变化造成人脸不同部位的拉伸、变形和遮挡，因此多位姿人脸在二维图像上差异巨大。在实际应用中正面人脸检测系统在处理多位姿人脸检测问题上具有严重的局限性，因此多位姿人脸检测一直是研究的热点和难点。本文中，我们针对多姿态人脸检测问题，提出了基于因子分析和基于稀疏表达两种多姿态人脸检测算法。　　 在基于因子分析的多姿态人脸检测算法中，我们提出了“位姿估计-位姿转换-正面人脸检测”的算法流程。该算法中首先采用支持向量回归估计图片的位姿角度。然后，利用因子分析模型构建低维隐空间与高维观测空间的映射，实现位姿变换过程，即非正面人脸图片转换为正面人脸图片，非人脸图片保持原有姿态。而因子分析模型中与位姿相关的参数是通过EM算法从训练数据中学习得到的。最后，利用基于Adaboost的单一正面人脸检测器实现多位姿人脸检测。　　 在基于稀疏表达的多姿态人脸检测算法中，我们利用训练样本对测试样本进行稀疏表达，并通过重建误差对图像进行分类。考虑到人脸检测问题的特殊性，本文提出了层次的稀疏表达模型，该模型第一层对图片进行初步分类，排除绝大部分非人脸图片。在此基础上，我们利用不同位姿人脸样本集构建的第二层分类器，并通过对第二层的重建误差分析进一步排除非人脸样本，从而得到人脸检测的最终结果。　　 本文的两种算法避免了传统多位姿人脸检测针对多个姿态需要多个分类器的问题，利用统一框架实现多位姿人脸检测。与此同时，算法提供了位姿估计和位姿转换的有效途径，为人脸检测的进一步应用扩展了空间。我们给出相关的实验结果验证了上述两种算法在多位姿人脸检测问题上的有效性，并对下一步工作进行了展望。