无人机在进行安防侦测任务时,需要对目标人脸进行验证以及追踪,因此快速而准确的人脸检测是无人机平台下相关人脸任务的基础。本文以解决基于无人机平台的前下视人脸检测问题为出发点,进行了一系列相关工作。首先,本文构建了基于无人机前下视角的人脸检测数据集,对比了主流人脸检测算法在该数据集上的效果,并分析了无人机前下视角下人脸检测问题的特点以及难点。基于无人机前下视角下人脸检测任务中小尺度人脸较多以及背景部分比例相对较高的特点,本文提出了改进的级联结构人脸检测算法,包括了融合多层信息的单步式潜在目标区域产生网络,在网络的不同层上分别快速预测不同尺度的人脸框。同时改进了对于重叠人脸框的处理策略,提升了网络对于高度重叠人脸的检测能力。随后,使用更加有效的分类损失函数处理人脸检测问题中的人脸分类任务,有效提高了算法在无人机前下视角下的人脸检测准确率。随后,针对无人机前下视角下的人脸具有丰富的人体上下文信息的特点,本文将人体上下文信息引入到级联型人脸检测框架的目标区域产生网络以及调整输出网络中;此外,为了提升网络效率,将注意力机制作为监督信号引入到级联型人脸检测算法的各个阶段,高亮对于无人机前下视角人脸检测任务有重要影响的特征。以上两种方法的结合极大地提升了级联型人脸检测算法在无人机前下视角下的人脸检测准确率。最后,将生成对抗网络引入到无人机前下视角下的人脸检测问题中,基于之前验证的人脸周围人体上下文信息对于无人机视角下人脸检测结果的积极影响,将生成对抗网络生成小人脸周围人体上下文区域样本用于级联型人脸检测器的训练阶段,有效提升了网络对于小尺度人脸的检测能力;此外,本文还利用生成对抗网络对潜在的小人脸周围人体上下文区域进行超分辨率重建,将重建后的图片送入级联网络中进行进一步预测,有效提升了级联式人脸检测算法对于小尺度人脸的检测准确率。