人脸检测技术是人脸识别技术的前置步骤,一直受到人们的重视。近年来随着深度学习的发展,人脸检测技术作为计算机视觉的一个重要研究方向也有了很大的进步。人脸检测受复杂环境以及表情、遮挡、姿势变化等因素的影响,检测精度和速度往往不能达到预期目标。YOLOv3网络是一种非常优秀的目标检测算法,它既能够达到检测的实时性要求,又能够得到较好的检测精度。针对YOLOv3检测存在的漏检误检问题,本文提出了一种基于改进损失函数的YOLOv3人脸检测算法。首先,通过K均值聚类算法得到9个适合人脸数据集的先验框;然后,提出应用了一种新的边界框回归损失函数广义交并比和平衡YOLOv3单步法正负样本不平衡的焦点损失作为置信度函数来提高检测的精度;最后,用残差块改进网络最后的目标检测层。在Wider Face人脸数据库上对改进的YOLOv3的模型进行训练和测试,实验结果表明,本文提出的基于改进损失函数YOLOv3的人脸检测方法比原方法更加优秀,所做的改进是可行有效的。