在野外进行鲁棒的人脸检测是支持各种面部相关问题的关键组件，例如无约束人脸识别、面部周边区域识别、面部特征点定位和姿态估计、面部表情识别、3D人脸模型构建等。尽管几十年来人脸检测问题已经得到了广泛研究并应用于多种商业场景，但在某些现实世界场景中仍面临诸多挑战，如严重的面部遮挡、极低分辨率、强烈光照、极端姿态变化、图像或视频压缩伪影等。本文提出了一种名为上下文多尺度区域卷积神经网络（Contextual Multi-Scale Region-based Convolutional Neural Network, CMS-RCNN）的人脸检测方法，以稳健地解决上述问题。类似于基于区域的卷积神经网络（CNN），我们提出的网络包括区域提议组件和感兴趣区域（Region of Interest, RoI）检测组件。然而，与这些网络不同的是，我们在所提出的网络中做出了两项主要贡献，对实现当前最佳的人脸检测性能起到了重要作用。首先，在区域提议和RoI检测中均采用了多尺度信息聚合的方法来处理小尺寸人脸区域。其次，受人类视觉系统启发，我们的网络允许显式的身体上下文推理。所提出的方法在两个最近的具有挑战性的人脸检测数据库上进行了基准测试，即包含高度变异性的WIDER FACE数据集以及人脸检测数据集和基准测试（Face Detection Data Set and Benchmark, FDDB）。实验结果表明，我们的方法在WIDER FACE数据集上训练后，在该数据集上的表现显著优于强大的基线方法，并且在FDDB上与近期最先进的其他人脸检测方法相比也表现出色。