人脸检测在视频存储、疲劳驾驶、人机交互等领域中有着广泛的应用前景。然而复杂的光照变化是制约人脸检测准确度的重要因素,如何提高复杂光照环境下的人脸检测的准确率,是现阶段人脸检测技术的一个重要研究方向。本文针对复杂光照环境下的人脸检测问题进行了研究,主要内容如下:(1)针对复杂光照环境下图像信息被隐藏的问题,本文提出了多滤波融合的增强模型。首先通过多尺度Retinex算法去除光照分量对图像的影响,仅保留反射分量;然后采用引导滤波,提取反射分量中的细节层,并对其结果进行高频提升。实验结果显示:采用该方法增强后的图像,不仅消除了光照对图像的影响,同时也有效的增强了图像的细节信息。(2)在图像增强时,由于Retinex对图像暗区域的拉伸和高频提升等操作,对图像中的噪声进行了误增强。针对这一问题,,且基于图像自身的结构特性,本文采用全局低秩分解去除图像中的稀疏噪声。实验结果表明:经过全局低秩处理后能有效地去除图像中的稀疏噪声。(3)为了提升人脸检测算法在复杂光照环境下对光照的鲁棒性,本文采用HLBP算法提取人脸特征。HLBP特征对光照不敏感,同时还具有灰度和旋转不变性,性能明显优于Haar特征。实验结果表明:HLBP特征对图像的边缘和纹理较敏感,在正常光照情况下,提取HLBP特征的人脸检测率相较于Haar特征提高了 3.07%。在复杂光照情况下,分别采用光照角度为(0°～12°),(13°～25°),(26°～50°),(51°～77°),(78°以上)的侧光下的光照图像进行实验,采用本文提出的增强算法,相对于传统算法,人脸检测率有了显著提升。