本发明揭示了一种基于分级网络和聚类合并的人脸检测方法，将卷积神经网络划分为两级网络，在第一级网络训练过程中，通过获得七级分辨率下原始输入图片的热图，根据七张热图上的局部最热区域获取七级分辨率下的初始候选人脸区域，减少了样本上人脸信息的遗失。在第二级网络训练过程中，在训练正样本中加入具体人脸五官区域，使卷积神经网络针对性地提取五官区域特征，并在网络的最后通过一个基于聚类和人脸五官特征的候选框合并策略获得包含人脸检测框的图片。该人脸检测方法克服了现有此类方法的网络复杂，计算量大的问题，且有效处理了图片中姿态变化或遮挡的人脸，提高了基于卷积神经网络的人脸检测精度。