随着互联网的发展,数据量越来越大,我们需要更智能的方法来处理数据。在这之中,对于海量图片、视频的处理要求越来越高。人脸检测作为其中非常重要的技术得到越来越多的重视。近几年,随着深度学习的发展,计算机视觉相关的任务逐渐被深度学习所取代。对于人脸检测任务,人们也开始探索利用深度学习的方式来解决。本文首先介绍了人脸检测算法常用的几大类方法,并分析比较了各类方法的主要内容及优缺点。接着介绍了我们设计的人脸检测系统的级联模型架构,主要分了低级、中级和高级这三级结构,对候选框进行由简到难地判别。这样可以快速地过滤掉容易判别的非人脸候选框,而将主要精力集中在难以辨别的候选框上面,从而节约时间。在低级和中级结构中,不仅分别有判别网络对候选框进行判别过滤,还分别有位置校正网络对剩余候选框的位置进行校正。在高级网络结构中,我们将目标检测中的FastR-CNN[3]技术应用过来,对剩余候选框进行最终的判断并校正。我们在每一级结构中都用到了一些策略,主要包括利用非极大值抑制NMS算法去掉重合度较高的选框以及用PReLU[29]激活函数代替普遍使用的ReLU激活函数。在介绍完系统架构后,本文继续介绍如何训练这套系统。首先介绍训练所用的数据集AFLW[16]和Wider Face[28],以及我们如何去除了这两个数据集中不适合训练的样本。然后,我们为增大模型的泛化性,对数据进行了增强处理,包括模糊、加噪声等方法。接着,介绍了关键的训练过程以及训练参数。最后,由于每个网络模型处理的任务不同,所以每个网络的训练数据也不同,文章依次介绍了每个网络的输入训练数据。训练完各级网络并搭建好系统后,我们在2个权威数据集FDDB[1]和AFW上做了测试。在FDDB数据集上,当整个数据集错误检测框个数为2000时,达到了 91.87%的检测率,高于大部分近两年在FDDB官网上提交结果的方法。在AFW数据集上,我们的平均准确度AP达到了 95.35%,同样优于最近两年大部分性能良好的方法。我们利用VGA (640*480像素)大小的图片测试这套系统的平均时间性能,在单线程并检测40*40像素以上人脸的情况下,使用1.2GHz的CPU速度为3.2FPS,使用NVIDIAK40 GPU的速度为66.7FPS。