人脸检测是当前人工智能领域研究的热点问题之一，也是模式识别的重要分支，在人脸检测的基础上，可以进行人脸识别、鉴定身份、视频会议、图像与视频检索和智能人机交互等方面的工作。目前，人脸检测的研究成果多数是使用单一算法进行检测，其检测率不很理想，本文提出综合利用多种算法进行人脸检测的观点和研究结果。　　 本文对现有的图像预处理方法、肤色聚类分割方法、数学形态学处理方法、几何特征验证方法和神经网络验证方法进行了细致的研究并提出了新方法，又综合运用多种方法初步构建了基于多种模式的人脸检测系统。在构建系统过程中，首先指出了光线补偿算法的不足，并予以改进；其次，提出了真对灰度图像和彩色图像分别处理的方法，构建了基于rgb和HIS颜色空间的新模型，并运用构建的模型和YCrCb肤色聚类模型，实现了对彩色图像的自动检测并将图像做二值化处理的过程；第三，采用数学形态学处理方法实现了非人脸区域的去除，并用几何特征加以初步验证，实现了人脸区域的初步分割；最后，利用训练的BP人工神经网络实现了对上述人脸区域的进一步精确验证和界定。实验结果表明，本文运用多种模式进行人脸检测的方法，检测率较高、计算时间有所减少。该方法对于解决当前电子学习系统中存在的人机情感交流缺失问题有所帮助，同时也为解决其他类似问题提供一个重要启示。