人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。本文首先提出了人脸检测的一个新的应用领域——电子学习，继而在对人脸检测理论及相关技术方法研究分析的基础上，以提高检测速度和检测率为目标，提出了一个面向多领域、多图像模式的人脸检测系统，重点讨论了彩色图像与灰度图像的不同检测方法，以及肤色分割、几何特征验证、单人脸检测、神经网络验证四个主要模块。主要完成如下工作： 首先对肤色分割进行了研究，在对图像进行光线补偿处理的基础上，对比各个颜色空间，选择了YCrCb颜色空间和HSI、rgb颜色空间，通过变换改进，分别构造出两个肤色模型，YCrCb椭圆模型和HSI-rgb肤色模型。这两个模型，适合不同的应用范围，且每个模型都是综合利用各个空间的优点，以产生更好的检测效果。利用这两种模型，可以快速有效地分割出图像中的肤色区域，从而提高了人脸检测系统的效率和整体性能。实验证明，这两种肤色模型在不同的应用领域中均取得了较好的分割效果。 其次对肤色分割的结果区域通过人脸几何特征进行了过滤，初步缩小了可能成为人脸的肤色区域，并在此基础上，利用神经网络对人脸候选区域作进一步的验证。通过对BP神经网络进行大量的训练，将输入图像所对应的灰度图像中的人脸候选区域，通过不同分辨率的窗口区域，对多个候选区域进行验证。 实验证明，在通过肤色分割、几何特征验证的基础上进行的神经网络验证，其计算时间有所减少，比依靠单一的神经网络检测方法进行的人脸检测效率更高，性能更好。此外，本文还针对系统执行过程中可能出现单人脸的情况，进行的特别处理，取得了较好的效果。