人脸检测是计算机视觉领域内一个非常重要且具有挑战性的研究课题。人们提出了许多检测方法，但人脸检测仍存在许多尚未解决的难点，其中一个最大的难点是多姿态人脸检测问题。　　本文提出了一种多姿态人脸检测方法，该检测器由两个部分构成，分别为姿态预估器和级联检测器。本文把人脸按照姿态的不同分为几个类别，首先我们训练一个基于支持向量机的姿态预估器，姿态预估器使用的特征是方向梯度直方图特征，姿态预估器的作用是给出检测窗口最有可能所属的姿态类别，对每个姿态子空间我们训练一个与Viola-Jones检测器结构类似的级联检测器，级联检测器使用的特征和分类方法分别是Haar-like矩形特征和Adaboost分类器，级联检测器的作用是判断该检测窗口是否包含人脸。对一幅检测图像，我们采用滑动窗口扫描图像，并将扫描窗口首先送到姿态预估器中，预估器给出该窗口所属的姿态类别，然后该窗口依据姿态类别被送到相应的级联检测器中，级联检测器判断它是人脸还是背景。在一个包含2800幅人脸图像的多姿态人脸测试集上，我们的检测器取得了93.2％的检测率，虚警个数仅为32个，实验表明我们的多姿态检测方法是非常有效的。