人脸检测是计算机视觉和模式识别领域中一个重要的研究课题，发展到现在，很多用于模式识别和图像处理的方法都在人脸检测上实现过。但是由于人脸本身变化的多样性及人脸环境变化的复杂性，人脸检测依旧是一个很有挑战性的模式分类问题。近年来，可变形部件模型正在被越来越多的用于解决目标识别问题。可变形部件模型综合考虑目标的整体信息以及各部分的表象信息和空间关系，可以提取到比基于整体的方法更加丰富的信息，因此更加有利于复杂目标的检测、识别过程。本文研究基于部件的模型在人脸检测中的应用，改进了现有的可变形部件模型，提出一种多角度融合的基于可变形部件加权模型的人脸检测方法。在这个模型中，根据人脸不同区域对检测效果的不同贡献，对不同的部件设置了不同的权重，并给出了权值的计算方法，权值越大，表明相应的部件对检测过程越重要；针对自然环境下人脸的多角度问题，提出了多角度分类融合的方法；在检测过程中，为了解决侧面脸检测过程中存在的困难，减低了侧面脸模型检测时候的阈值；对于降低侧面脸模型检测阈值而带来的错检问题，采用了肤色确认的方式进行改善；同时，对部分小分辨率区域进行双线性差值放大来保证对部件细节的充分利用。本文在PASCAL数据库这类非常困难的评测库上取得了很好的效果，在LFW数据库和自建的网络图片库上的检测也证实了其很好的检测性能。