人脸检测方法被广泛应用于人们的生活和学习中,尤其在近些年,由于深度学习的高速发展,人脸检测的研究进入到了一个更深的层次,在朝着复杂光照、面部遮挡、半脸检测等更为复杂环境下的人脸检测发展,其中基于复杂光照条件下的人脸检测是当前研究的重难点,也是未来研究的主要方向。现有的检测方法在复杂光照条件下的人脸检测精度还有待提高,为了提升人脸检测算法在复杂光照下的检测精度,本文首先对现有的人脸检测方法进行详细地分析,然后对数据集、数据增强技术、检测算法三方面进行改进来提升人脸检测算法在复杂光照下的平均检测精度,具体工作如下:首先,构建复杂光照下的人脸数据集。由于现有数据集对复杂光照考虑较少,因此本文通过两个来源来构建复杂光照下的数据集,一是对现有的数据集进行筛选,从中选出满足复杂光照条件的图像,另一个是对图像采集设备采集的图像进行筛选。这里由于需要筛选的图像数目较多,本文提出了一种复杂光照图像筛选算法来完成相应的筛选任务,从而构建复杂光照下的人脸数据集。然后,研究复杂光照下的数据增强技术。由于现阶段的数据增强技术只是基于普通光照条件下的增强,没有考虑到复杂光照条件,由此,本文首先详细地研究和分析了普通光照条件下的数据增强技术,然后采用复杂光照下的数据增强技术处理数据集,使得数据集的数目得到了扩充,并引入了多种复杂光照情况,以提升训练后的网络模型在复杂光照下人脸检测的精度。最后,提出面向复杂光照的人脸检测算法。对现有的检测算法进行详细地分析,对其网络结构与检测阶段的处理方法做适当的改进,从而提出了一种面向复杂光照的人脸检测算法。通过实验验证了本文构建的复杂光照人脸数据集与采用的复杂光照数据增强技术能提升网络模型在复杂光照条件下的人脸检测精度,并且在复杂光照人脸数据集上,本文提出的复杂光照人脸检测算法能够达到更高的检测精度。