人脸检测作为一个热点研究问题，对于人脸识别、跟踪定位以及自动的三维模型重建都具有十分重要的意义。由于光照、表情、人脸的平面内以及平面外旋转的变化均会引起人脸样本难度的非线性增加，使得多姿态的人脸检测成为人脸检测领域的一个研究难点。 本文针对多姿态快速人脸检测问题进行了研究，提出了基于人脸先验概率分布的快速鲁棒的多姿态人脸检测框架，并以boost chain方法为检测分类器，结合肤色、EOH以及Gabor特征作为先期和后期过滤器实现了多姿态人脸检测系统。本文主要的研究工作和成果包括： 1．结合评价函数和权重调节机制，提出了一种自适应boost chain方法来训练人脸检测分类器，实现了检测分类器训练的自动化。试验表明，这一方法也改善了boost chain检测分类器的检测速度和检测精度。 2．在对肤色模型深入研究的基础上，建立了基于颜色直方图和贝叶斯理论的肤色模型，提出了基于肤色信息的两种肤色特征，并通过特征选择的方法训练了基于这两种肤色特征的先期过滤器和后期过滤器。试验表明，这两种过滤器可以显著改善系统的检测速度和检测精度。 3．提出了先期过滤器+检测分类器+后期过滤器的三阶段人脸检测方法，并在多姿态人脸检测系统中使用三阶段方法来进行每个姿态下人脸的检测。本文对三阶段方法的每一阶段均进行了较深入的研究，并使用基于肤色特征的先期过滤器、boost chain检测分类器和基于EOH特征的后期过滤器建立了实际的系统。试验表明，三阶段人脸检测方法能有效提高多姿态人脸检测系统的性能。 4．深入研究了实际应用中不同姿态的人脸的概率分布对多姿态人脸检测系统性能的影响，提出了基于人脸先验概率分布的多姿态人脸检测技术，改变了现有算法中不同姿态的检测分类器都具有相同的分类性能目标的不合理假设。这一方法能够在确保系统达到预定的检测精度的前提下，最大限度的提高系统的检测率。