本文在对国内外人脸检测研究现状进行综合与分析的基础上，研究基于BP神经网络的人脸检测算法。在对BP神经网络容易陷入局部最优的缺陷进行研究之后，提出了利用粒子群优化算法对BP学习算法进行改进，并以改进的学习算法实现人脸检测系统。全文主要内容如下：(1)对神经网络的基本机理和结构进行了探讨，介绍了神经网络的基本应用并对神经网络的学习算法，尤其BP学习算法进行了深入分析。(2)针对灰度图像以神经网络为工具实现人脸检测系统。主要研究了系统实现过程中人脸样本的选取、样本的预处理、神经网络的训练、人脸的检测等过程中的问题及解决方法。实验证明，所实现的人脸检测系统具有较好的检测效率，并具有一定的鲁棒性。(3)针对传统BP神经网络容易陷入局部最优的缺陷，在一定程度上影响到人脸检测系统检测性能的问题，引入了量子粒子群优化算法对传统BP神经网络学习算法进行改进，并以改进后的BP神经网络学习算法实现人脸检测系统，该系统达到了一定的预期效果。(4)提出了一种新的自适应粒子群优化算法，该算法在性能上优于传统的粒子群优化算法；利用该优化算法对BP神经网络进行了改进并实现了人脸检测系统，实验结果表明，所实现的系统对具有复杂背景灰度图像中的人脸检测具有比较好的效果，并且具有较好的鲁棒性。