人脸检测是模式识别的一个新近的发展方向和重要应用，人脸检测和识别在安全识别、身份鉴定、以及公安部门的稽查活动中都有广泛而重要的应用前景。就人脸检测这一部分，它是人脸识别的首要步骤，长久以来人们都在致力于找到一个能够快速定位人脸的算法。目前人脸检测的方法主要有两种，基于启发式模型的方法和基于统计式模型的方法，而近些年，基于统计模型的模式识别方法被广泛运用，比如基于神经网络的模式识别等。说到人脸检测就不能不提到人脸识别问题，人脸识别问题是指：对输入的人脸图像或者视频，首先判断其中是否存在人脸，如果存在人脸，则进一步的给出每个人脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每个人脸的身份。人脸识别技术具有广泛的应用前景，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用；在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。本文提出的人脸检测问题是人脸识别这个问题下的一个子问题，这也是人脸识别的前提。本文将介绍人脸检测与人脸识别中的各种技术，列举数据比较各种人脸检测方法的检测效果，以比较它们的优劣。并且提出一种基于上下文驱动多贝叶斯分类器的人脸检测定位方法。最后用一系列的实验验证该方法在各种应用的适应能力。