人脸检测论文s3fd

姓名：张钰学号：21011210154 学院：通信工程学院【嵌牛导读】Frequency-aware Discriminative Feature Learning Supervised by Single-Center Loss for Face Forgery Detection论文阅读笔记【嵌牛鼻子】Deepfake人脸检测方法，基于单中心损失监督的频率感知鉴别特征学习框架FDFL，将度量学习和自适应频率特征学习应用于人脸伪造检测，实现SOTA性能【嵌牛提问】本文对于伪造人脸检测的优势在哪里体现【嵌牛正文】转自：

感受野：特征图上单个像素点在原始图像上映射区域的大小。神经元感受野之外的图像内容并不会对该神经元的值产生影响。在实际工程应用中，一般是通过调节模型深度和kernel size等参数来调节模型的感受野大小感受野被细分为了理论感受野和实际感受野 (这一划时代的概念有这篇论文提出《Understanding the Effective Receptive Field in Deep Convolutional Neural Networks》)。实际的感受野近似高斯分布我们需要关注网络的感受野是否足够，尤其是在对大目标进行检测和识别的时候。感受野并不是越大越好，在某些场景中，感受野过大甚至会降低模型性能。《The Receptive Field as a Regularizer in Deep Convolutional Neural Networks for Acoustic Scene Classification》论文通过1*1 Conv替换3*3Conv缩小ResNet和DenseNet等网络的感受野在ASC场景获取了比原始模型更高的精度；《Gated Recurrent Convolution Neural Network for OCR 》论文提出了GRCL 结构来限制无效感受野，提高了STR的识别精度，下图展示了改进后特征响应图，可以看出RCNN能强化文字上的响应，减弱无效背景的响应。Inception网络提出多路卷积融合的思路，实际是在同一个尺度上多种感受野信息的融合，主要是为了解决图像大小分布差异较大的问题。《MixNet: Mixed Depthwise Convolutional Kernels》Google Brain最近提出Mixed Depthwise Convolution，类似Inception的单元结构，以此来提高网络表达能力。Google Brain在MobilenetV2的基础上用MDConv替换3*3 Depthwise Conv进行了多组实验，在大多数情况下都取得了更好的效果，接着在Imagenet上用Auto ML搜索出MixNet-L，取得了的top-1分类精度，同时FLOPs小于600M，超过Resnet153。感受野的计算方式有两种，下面给出其中一个计算公式和计算示例感受野作为神经网络隐藏的重要特性还有很多需要发掘的地方，在实际的工程项目中我们需要考虑这一块的影响，细节往往决定成败，与其沉迷在研究高大上的算法架构，真不如沉下心把一些基础性的研究工作做透彻。 Xudong Cao写过一篇叫《A practical theory for designing very deep convolutional neural networks》的technical report，里面讲设计基于深度卷积神经网络的图像分类器时，为了保证得到不错的效果，需要满足两个条件： Firstly, for each convolutional layer, its capacity of learning more complex patterns should be guaranteed; Secondly, the receptive field of the top most layer should be no larger than the image region. 其中第二个条件就是对卷积神经网络最高层网络特征感受野大小的限制。现在流行的目标检测网络大部分都是基于anchor的，比如SSD系列，v2以后的yolo，还有faster rcnn系列。基于anchor的目标检测网络会预设一组大小不同的anchor，比如32x32、64x64、128x128、256x256，这么多anchor，我们应该放置在哪几层比较合适呢？这个时候感受野的大小是一个重要的考虑因素。放置anchor层的特征感受野应该跟anchor大小相匹配，感受野比anchor大太多不好，小太多也不好。如果感受野比anchor小很多，就好比只给你一只脚，让你说出这是什么鸟一样。如果感受野比anchor大很多，则好比给你一张世界地图，让你指出故宫在哪儿一样。《S3FD: Single Shot Scale-invariant Face Detector》(该文分析讲解详见SIGAI技术短文《人脸检测算法之S3FD 》)这篇人脸检测器论文就是依据感受野来设计anchor的大小的一个例子，文中的原话是 we design anchor scales based on the effective receptive field 《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》这篇论文在设计多尺度anchor的时候，依据同样是感受野，文章的一个贡献为 We introduce the Multiple Scale Convolutional Layers (MSCL) to handle various scales of face via enriching receptive fields and discretizing anchors over layers 虽然进行了整理，但是我还没有仔细的去阅读（精神不太好，上周熬夜太多了，这周有点儿缓不过来，今晚早点睡，明天继续搞，争取这一周，能好好啃一啃这一块儿，最终提取一个有个有用的指导性的结论）。

人脸检测论文

写一篇基于实时监控人脸检测的论文，可以按照以下步骤进行：1. 研究背景和意义：介绍实时监控人脸检测技术在安防、智能家居等领域的应用，并说明该技术对社会发展的重要性。2. 相关工作综述：对当前主流的人脸检测算法进行梳理和总结，包括传统方法（如Haar特征分类器、HOG+SVM）以及深度学习方法（如卷积神经网络）。并分析其优缺点及适用场景。3. 实验设计与数据集选择：详细描述本次实验所使用的硬件设备、软件环境以及数据集来源。同时还需解释为什么选择这些硬件设备和数据集，并且需要提供相关参数设置。4. 方法介绍：详细介绍采用哪种算法来进行实时监控人脸检测，包括模型架构、训练过程中使用到的技巧等方面。此外，还需说明如何将该算法应用于视频流中，并保证高效率地运行。5. 实验结果与分析：给出本次实验得到的具体结果，在不同条件下测试准确率、召回率等指标，并通过图表形式直观呈现。同时也需要针对结果进行分析，找出其中存在问题或者改进空间之处。6. 结论与展望：总结本次研究成果并归纳出最新发现；同时也需要指出目前存在问题或者未来可开展工作方向。最后强调该项技术在未来可能带来更多广泛而深远影响。 7. 参考文献: 列举文章引用过所有参考资料, 便于读者查阅相关信息.以上是一份简单论文框架, 具体内容根据自身情况灵活调整即可。

URL: 论文pdf Google出品。亚毫秒级的移动端人脸检测算法。移动端可达200~1000+FPS速度。主要以下改进：在深度可分离卷积中，计算量主要为point-wise部分，增加depth-wise部分卷积核大小并不会明显增加成本。因此本文在depth-wise部分采用了5x5的卷积核，已获得更大的感受野，故此可以降低在层数上的需求。此外，启发于mobilenetV2，本文设计了一个先升后降的double BlazeBlock。BlazeBlock适用于浅层，double BlazeBlock适用于深层。 16x16的anchor是一样的，但本文将8x8，4x4和2x2的2个anchor替换到8x8的6个anchor。此外强制限制人脸的长宽为1：1。由于最后一层feature map较大（相对于ssd），导致预测结果会较多，在连续帧预测过程中，nms会变导致人脸框变得更加抖动。本文在原始边界框的回归参数估计变为其与重叠概率的加权平均。这基本没有带来预测时间上的消耗，但在提升了10%的性能。效果好速度快的方法想不想要？

在Cver上看到一篇推文，总结了多篇类似anchor-free论文: : Unifying Landmark Localization with End to End Object Detection Only Look Once: Unified, Real-Time Object Detection : Detecting Objects as Paired Keypoints Object Detection by Grouping Extreme and Center Points Selective Anchor-Free Module for Single-Shot Object Detection : Fully Convolutional One-Stage Object Detection Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches : Beyond Anchor-based Object Detector DenseBox，这是一篇百度2016年挂出来的论文，距离现在比较早的文章了，现在又被拿出来重提了，因为其中anchor-free的特点，我把它找出来了。发现这是一篇百度的神作，有很多极其超前的思路。出现了特征融合，多任务训练，多尺度，通过添加任务分支进行关键点检测（直到2017年mask-rcnn才公布通过添加掩码在Faster-rcnn进行上进行分割任务）。对于分类{0，1}，这个模型使用L2损失，并没使用hinge loss or cross-entropy loss，按照作者说法这个简单的L2损失也能工作的很好。坐标也是l2损失网络添加Conv5_2_landmark和Conv6_3_det输出，对于检测N个关键点的任务，Conv5_2_landmark有N个热图，热图中的每个像素点表示改点为对应位置关键点的置信度。对于标签集中的第i个关键点(x,y) ，在第i个feature map在(x,y) 处的值是1，其它位置为就是关键点的分数热力图。参考: 目标检测：Anchor-Free时代那些酷炫的深度学习网络图怎么画出来的？ CVPR2019-Code 人脸检测之DenseBox

人脸检测的论文

人脸检测论文ssh

及时送上了计算机毕业设计相关资源合意的换请采纳一下,大家顺遍点下赞吧在线考试制卷系统(任务书,论文,源码)net小型证券术语解释及翻译系统的设计与开发(源码,论文)原创vf员工培训管理系统(任务书,论文)asp科研信息管理系统(任务书,开题,论文,源码)android小型企业工资管理系统(源码,论文)asp出租车管理系统(任务书,论文,源码)实验室计算机的ip地址自动设置程序——服务器端(任务书,论文,源码)rsa可视化算法程序的实现与研究(任务书,论文)j2ee数控加工技术教学素材资源库的构建(任务书,论文,源码)eims系统-oa子系统的设计与开发(任务书,开题,论文,源码)jsp网上购书(任务书,论文)vb图书管理系统(任务书,论文)vc户籍管理系统(任务书,论文,源码)php基于bs结构的工艺品销售系统的实现(源码,论文)net模块化动态电子商务网站的开发(任务书,论文,源码)pb电信人事管理系统设计(任务书,论文)vb成本费用计算系统(源码,论文)jsp出租车管理系统(任务书,开题,论文,源码)求职招聘网站设计(源码,论文)机房监控系统(全套)vf学生办证管理系统(任务书,开题,论文,源码)jsp基于网络超市商品销售管理系统(任务书,论文,源码)jsp团员管理一个动态文学网站vf基于jme平台的掌上网络商店－服务器端的开发c#报警系统net(vc)办公自动化管理系统jsp计算机等级考试查询系统商品配送中心库存仿真软件设计jsp网络购物net在线英语自学系统——知识库管理的设计jsp企业进销存管理系统php某公司进销存信息管理系统pb干部档案管理系统delphi学生信息管理系统毕业设计asp学生信息管理系统asj2eetoc电子商务网站delphi图书管理系统（毕业程序翻译%通过）jsp网上商城系统jsp客户关系管理系统jsp企业人事管理系统c#办公管理系统jsp搜索引擎的研究与实现jsp网络房产信息超市php会员管理系统j2ee基于usbkey的文件加密工具—-客户端的实现net网上图书订阅系统的设计php网站流量统计团员管理android文件传输delphi并行接口器件功能演示的可视化设计学位php房屋租赁管理信息系统jdbc数据采集电路pcb的设计与制作androidsmart系统-考试监控及阅卷模块的设计与开发java流动资金贷款业务系统asp电脑配机vf物流管理系统--仓储管理子系统的实现简化的cpu逻辑功能的仿真实现net网上教材管理系统net高校学生宿舍管理系统vc药品公司进销售存管理系统基于des加密算法的word加密插件的实现基于的房产中介系统c#简单图片转化asp基于asp的反垃圾邮件管理系统的设计delphi航空客运订票系统c#windows简单防火墙设计与实现j2ee车间调度系统php《信息论与编码》在线考试系统基于角色访问控制的oa系统asp某小型数字图书馆vb图形识别和编辑pb电脑公司财务管理系统asp网上购书android光盘信息管理系统php新闻网程序php购物系统考试系统学生管理系统基于apriori算法的关联规则挖掘系统vf布匹出口管理系统c#会计电算化系统——财务管理子系统php毕业生信息管理系统pb酒店客房餐饮管理系统vf库存管理药品销售数据管理系统网上论坛基于linux的远程控制技术服务端实现php网络商城文件压缩与解压缩实践asp学生管理系统php科研项目网上申报管理系统图片文件中的信息隐藏和还原的设计asp销售供应链管理系统的设计与开发asp基于asp技术的猎头公司管理软件的设计和实现——内部事务部分网络求职招聘系统neterp系统(毕业设计php基于web的商场管理系统vb电脑公司财务管理系统delphi客户管理系统net图书馆管理信息系统java超市商品管理系统pb在线考试java原创库存管理系统可执行程序c语言文件系统设计基于webservice的数据库同步系统考勤管理系统简单几何图形的识别和编辑系统net某公司员工管理系统vf酒店客房管理系统vf商场管理系统开发在windows下的串口异步通信程序asp一个小型搜索引擎j2ee高速公路票据管理系统vb小区物业管理系统php酒店房间预约系统设计asp《信息论与编码》在线考试系统vf宿舍管理系统android基于局域网的文件传输系统asp学生网上选课系统php校园学生信息在线管理系统asp基于web的商场管理系统net基于web的订餐系统jsp仓储管理系统简易网络存储系统javaftp客户端jsp公交查询系统java人才管理系统net企业投资价值分析系统asp基于bbs的bbs系统设计(structmy)好android通用图书馆管理系统asp网上选课系统最新asp网上论坛vc网络爬虫程序net考勤系统(net)net交通信息网上查询系统美食网站pb企业物料需求计划管理系统delphi公交车查询系统delphi源网络招聘系统asp视频点播系统vf学生学籍管理android毕业管理系统简易网络存储系统一种基于cc模式的网上购物系统网络文件管理系统学生信息管理系统j2ee城市公交查询系统j2ee人机接口设备—示波器的仿真实现jsp网络商城net基于bs的图书销售管理系统net基于net的公司网站j2ee汽车零件销售管理系统vf图片文件中的信息隐藏和还原的设计vf医药管理系统net技术的猎头公司管理软件——内部事务部分最新net高校学生宿舍管理系统vb局域网抓包软件企业物流平台学生排课管理系统网络数据包捕获工具android企业考勤c#在线考试j2eealendar的跨平台系统的设计vf书店辅助进书系统asp仓库即时查询系统asp作业提交与批改系统vb开发在windows下的串口异步通信程序javaac自动组卷系统asp网上体育用品商店jsp华夏文化交流平台delphi采购管理php校园新闻发布管理系统成绩管理系统五子棋游戏（网络版）的设计与开发最新net网上图书订阅系统的设计vb教学辅助系统vbandroid试题库自动组卷系统vc试题库自动组卷系统（vc）基于bs的家教交流平台的实现vf学生成绩管理系统楼宇专业网站毕业设计net多语种网络硬盘系统的设计vf考试系统vf端口信息工具vf物业管理net公交车管理系统的实现与设计pb基于半打开的端口扫描技术及其实现j2ee水费管理系统vf用遗传算法解决车辆优化调度问题任务书jsp办公自动化管理系统jsp基于android的在线购物系统车辆调度管理系统pb线程插入木马delphi基于delphi的串口通信服务的开发asp药店管理系统jsp实验室设备管理系统kasumi算法的研究与j2ee实现net基于.net的城市公交查询系统jsp基于web的subversion用户管理系统phbdelphivbd租赁管理系统linux下的网络层加密解密的实现android药品公司进销售存管理系统asp服装销售系统j2ee电信人事管理系统设计jsp员工信息管理系统android考勤管理系统androidvf基于.net的网上购物系统财务管理系统vc题库管理系统delphi基于webcam的人脸检测技术php在线学习系统最新php团员管理vb原创图书管理系统)毕业设计net某企业信息管理系统asvbtoc电子商务网站vf火车站售票管理系统asp科研信息管理系统net某企业信息管理系统vb基于usbkey的文件加密工具—-客户端的实现net基于.net企业订单管理系统的开发net房地产评估系统net作业在线提交系统vc多线程与线程安全实践-基于http协议的断点续传vf地税局工资管理系统delphi科研管理系统delphi烟花爆竹经销管理系统面向internet上的cscw的共享白板php网络招聘系统php网上求职与招聘系统机房监控系统考试报名信息处理系统j2ee医院病房管理系统基于进程和通信隐藏的木马设计与实现net息加密与隐藏工具c#汽车销售系统jsp原创教师信息管理系统android简易web服务器研究asp科研项目网上申报管理系统asp基于asp的论坛php计算机组成原理教学网站android超市销售系统c#网络流量监控及分析工具delphi电子邮件客户端软件android排课系统程序jsp网上拍卖平台系统)j2ee某百货店pos积分管理系统-积分添加和通票回收j2ee教务管理系统j2eevf银行代扣代发工资系统php学生学籍管理系统基于webservice的异构数据库检索系统的设计android长途汽车信息管理系统net系办办公自动化系统c#网络计时管理系统net网络商店销售管理系统原创net高校学生宿舍管理系统asp网络教学评判系统net客户关系管理系统的实现c语言遗传算法在求解tsp问题毕业网上教学资源共享系统基于icmp模拟网络控制软件的开发——控制管理模块vb车间调度系统net动态口令认证的网上选课系统图书馆管理系统asp企业公告及资料发布系统pb原创图书管理系统)毕业设计vf基于cs结构的企业人事管理系统网络嗅探器jsp网上书店售书系统网上选课系统asp酒店客房管理系统自动排课系统net信息安全研究所设备管理系统最新net基于bs的图书销售管理系统java药品销售系统java简单小游戏设计jsp基于web的旅游网站建设android库存管理php淘宝店主交易管理系统net频点播系统pb大型机房学生上机管理系统jsp基于bs结构的工厂设备管理系统的设计与开发web的入侵防御系统最新php基于bbs的bbs系统设计(structmy)好asp教师信息管理系统net课件发布系统j2ee在线英语自学系统——课程及自测管理的设计asp网上二手商品交易管理系统原创购物系统pb小说租阅管理系统人机接口设备—开关类部件的仿真实现net校园新闻发布系统php基于linux的远程管理系统客户端的实现php在线examdelphi物质管理系统电信人事管理系统设计android试题库自动组卷系统（android）cymj2ee学生档案管理net基于.net的内部邮件系统实现学科建设asp某公司进销存信息管理系统java企业投资价值分析系统java大随机数生成器算法的研究与实现jsp某高校工资管理系统vb在线英语自学系统——课程及自测管理的设计net某店pos积分管理系统-清除履历表、日志表、月购买额asp会员管理系统原创美食网站vs家庭理财系统局域网监听系统vc房屋租凭管理系统jsp在线二手交易系统模拟器件测试平台的设计与开发原创net考勤系统(net)java酒店管理信息系统原创网络求职招聘系统vf高校教务排课系统c#rsa密码体制的实现端口扫描与检测技术的实现delphi猜数游戏的设计与开发php宿舍管理系统设计j2eeac自动组卷系统原创php网络购物android物质管理系统php实验室设备管理系统asp求职招聘网站设计androidsc结构服装专卖店net电子购物商城系统java自动排课系统java职员信息管理系统vb书店辅助进书系统android教师管理系统jsp基于bs模式的中小企业人事管理系统vc物质管理系统最新简易网络存储系统android并行接口器件功能演示的可视化设计学位原创基于des加密算法的word加密插件的实现net频点播系统网络旅游信息系统原创asp计算机组成原理教学网站jsp车辆调度管理系统基于bs的工艺品展示系统基于纠错码的容错技术的研究——x码asp电子商务系统pb原创库存管理系统可执行程序c#企业往来账务管理系统vc超市售货管理系统原创net网上图书订阅系统的设计android人事管理系统原创php在线学习系统vf桌面日历系统java商业汇票(支票管理)asp聊天室java计科教务管理系统物业管理系统asp公共课平时成绩查询系统asp最新asp会员管理系统vc书店管理系统win平台下的pe文件病毒的研究及实现j2ee电子邮件客户端软件基于的学生信息管理系统vf企业人事工资管理系统vbrsa密码体制的实现java基于bs方式的即时通讯软件vf煤气站管理系统dpacpb多媒体教学控制系统-网络通讯平台的设计delphi酒店管理系统jsp基于bs结构的工厂设备管理系统的设计与开发jsp企业人力资源管理系统的设计java课程设计医药管理系统（java)应要求源文件代码打包上传j2ee实验室仪器管理系统pb网吧管理系统pb车队综合业务管理系统最新php网络商城c#大随机数生成器算法的研究与实现asp基于bs结构的二手交易系统javad的网络三维技术最新net考勤系统(net)jsp基于web的信息处理系统net小型门户网自助建站系统社区论坛asp公交查询系统java文档资料管理系统php红旗汽车修理厂物资流通管理系统校园网络工程综合布线方案vc高校缴费系统php格式化系统——前台原创asp网上选课系统最新asp校园学生信息在线管理系统android基于特征的入侵检测系统vb人事管理系统图书管理系统java简易web服务器研究jsp基于jsp学生成绩管理系统软件的开发net模块化动态电子商务网站的开发delphi中大迅通合同统计系统linux下的简单网络管理控制系统的设计与开发vf航空售票模拟系统vb通用销售管理系统c#教学信息管理系统毕业vc企业投资价值分析系统j2ee基于bs方式的即时通讯软件科研信息管理系统软件项目开发管理系统可视化图像处理系统c#高校题库管理系统附原代码程序万字net基于.net电子相册的开发pb商品配送中心库存仿真软件设计android成本费用计算系统旅游信息管理系统j2ee宿舍管理系统气象信息服务系统net基于tcp协议的简单即时通信软件原创vb职员信息管理系统php小型企业网上订单系统android人事管理汽车销售系统最新美食网站最新简化的cpu逻辑功能的仿真实现vb光盘信息管理系统深水蓝文学网站vb列车时刻查询决策系统vc毕业管理系统android商品交易系统delphi列车时刻查询决策系统课程设计java图书管理系统带java基于jee的公交查询系统net《数据库原理及应用技术》课程指导平台的开发原创net某企业信息管理系统delphi局域网的语音通信vc家庭财务管理系统android人脸识别系统设计.php软件信息发布系统社区论坛net网上办公系统——公文流程管理设计与实现原创delphi学生档案管理delphi干部档案管理系统asp基于bs的人才交流网站酒店房间预约系统java网络流量监控及分析工具asp在线教学质量评价系统php网络购物快速加密解密芯片中kasumi算法的实现网络购物系统最新php科研项目网上申报管理系统j2ee打字系统基于ajaxlucene构建搜索引擎的设计和实现pb超市配送运输管理系统vf医疗纠纷检索系统pb图书管理系统（毕业程序翻译%通过）原创美食网站vb网络在线考试系统原码邮件收发系统的设计jsp科研处管理信息系统vcaccti电话语音应答系统vc用遗传算法解决车辆优化调度问题任务书delphi多媒体教学控制系统-网络通讯平台的设计vc试卷生成系统java气象信息服务系统asp局域网文件共享及检索系统的设计与开发php音乐网站c内存映射文件在进程共享中的应用研究php基于web的办公自动化管理系统可执行php基于网络环境的库存管理系统jsp在线直销商城vb排课管理系统最新简易网络存储系统jsp基于jsp的网上考试系统_第二代木马的研究与实现编码优化java基于java的五子棋游戏软件的设计与开发java绩效评价系统vc仓库管理系统j2ee图书馆书库管理系统php学生成绩查询java基于windows入侵检测系统的研究与设计——检测模块设计android象棋程序vf网吧计费系统c#smart系统-考试监控及阅卷模块的设计与开发android某医疗部门总务信息管理系统图书馆全开架借阅管理系统vf电子通讯录（带系统托盘）android指纹识别系统android设备保养管理系统android基于局域网的信息收发系统android办公用品管理系统pb企业考勤管理系统pb药品公司进销售存管理系统c#光盘管理系统php服装销售系统原创网上选课系统net仪器设备管理系统设计与实现j2ee基于特征的入侵检测系统最新net基于net的公司网站vb教学设备管理系统net(java)办公自动化管理系统c#企业人事管理系统校友录serverandroid邮政编码系统最新asjavatoc电子商务网站原创基于icmp模拟网络控制软件的开发——控制管理模块asp计算机组成原理教学网站j2ee考试分析评价系统net基于bs的计算机等级考试系统端口扫描与检测技术的实现题库管理系统原创php基于php的论坛文学网站php网上体育用品商店asp网上书店php博客网站php施甸县旅游咨询网原创net客户关系管理系统的实现vf木马检测工具的实现vb社区人口资源管理系统设计与实现vbd的网络三维技术基于net教学辅助系统设计与实现c局域网即时聊天程序delphi象棋程序jsp基于网络超市商品销售管理系统c#计算机机房管理系统asp网络教学平台asp图书馆管理系统pbsmart系统-公共资源模块的设计与开发--代码asp助学贷款管理系统j2ee学生档案管理系统php网上购物系统答辩net门诊就诊系统php某小型数字图书馆网上家电销售管理系统网上商城系统net中小企业oa系统房屋销售管理信息系统最新面向internet上的cscw的共享白板php同学录系统iptables图形管理工具asjavatoc电子商务网站vc考试系统vc最新asvftoc电子商务网站实验室计算机的ip地址自动设置程序——客户端网络教学评判系统基于的笔记本销售网站php药品销售数据管理系统android自动出题题库系统原创j2ee电脑公司财务管理系统数据库连接池的研究与实现jsp课程设计java上机考试系统原创基于net教学辅助系统设计与实现php科研信息管理系统eims系统-oa子系统的设计与开发net基于.net的工资绩效管理系统的开发pb基于工作流引擎的系统框架设计开发网上日记本c#员工管理系统基于rsa的数字签名php企业人力资源管理系统的设计原创asp《信息论与编码》在线考试系统j2ee扫雷游戏的设计与开发jsp网上考试系统vb学生管理系统c#基于c#的飞行模拟游戏的设计及实现php求职招聘网站设计jsp科研处管理信息系统net基于svg的自动站雨量分析系统文章在线发布系统vb流动资金贷款业务系统net网络考试系统.netjsp聊天室基于的两个通用安全模块net小型证券术语解释及翻译系统的设计与开发android电脑销售系统j2ee自动点歌系统net小型酒店管理系统的设计vf办公自动化系统java商业汇票(支票管理)课程设计pb银行设备管理jsp企业网站设计网络数据包的协议分析程序的设计开发java网络多人聊天系统android停车场管理系统_基于.net的驾校理论考试模拟系统jsp基于bs结构的工艺品销售系统的实现格式化系统——前台asp个人网站c#兼职中介管理系统jsp基于jsp的人事管理系统最新基于des加密算法的word加密插件的实现网络实验教学网站asp网络招聘系统煤气站管理系统dpacasp仓储管理系统android图书销售信息系统销售管理系统php学生信息管理系统android图像处理工具pb学生办证管理系统j2ee党员管理系统机房自由上机收费管理软件vf网络计时管理系统java基于java的五子棋游戏软件的设计与开发c#中介管理系统php酒店客房管理系统c#图书馆管理系统pb科研项目管理系统jsp学生管理jsp学生考试成绩分析（带饼状态图，柱状图)asp课程设计语言试题生成与考试系统教学信息管理系统vb局域网的数据包监听及数据分析vb高校题库管理系统附原代码程序万字php视频点播系统vb企业档案管理系统简单版vb学生宿舍管理系统net房地产管理系统c#物业管理vb音像店管理系统javasmart系统-公共资源模块的设计与开发--代码java基于ftp协议的文件访问系统最新基于des加密算法的word加密插件的实现vf绩效评价系统asp操作系统课程教学网站pb旅游资源及线路管理系统计科教务管理系统最新php客户关系管理系统j2ee病房管理系统php原创交友网设计最新net频点播系统php基于php学生成绩管理系统软件的开发最新neterp系统(毕业设计原创vc基于bs方式的即时通讯软件基于lotus的故障报修系统vf超市配送运输管理系统试卷生成系统原创文件压缩与解压缩实践php教师档案管理系统原创jsp《信息论与编码》在线考试系统android网络数据包捕获工具jsp药品销售数据管理系统asp在线学习系统j2ee考勤管理系统j2eeasp网络商城c局域网即时聊天程序c#健身中心会员管理系统vf客房管理信息系统java基于采集netxx职业中学图书管理系统的设计基于caché的实验室资源管理系统的设计最新基于net教学辅助系统设计与实现学生管理系统c内存映射文件在进程共享中的应用研究vf中国象棋游戏vbsmart系统-题库及试卷管理模块的设计与开发win平台下的pe文件病毒的研究及实现net基于手机短信平台聊天程序jsp网上图书销售系统原创web的入侵防御系统vc干部档案管理系统最新web的入侵防御系统vf基于misty算法的加密软件的实现数据结构辅助教学php个人日志系统论坛程序设计(万字功能强大)asp网页设计辅导系统最新net动态口令认证的网上选课系统net基于.net电子相册的开发j2ee学生信息管理系统万字pb网上交易系统pbvf超市进销存管理系统vf报稿asp留言板c#模拟atm机系统软件的设计与开发c#asp交友录pb车辆

大数据人脸分析案例

大数据人脸分析案例，随着社会科技的不断发展，人工技能，人脸识别技术也不断普及到各个领域。人脸识别技术可以在大数据的环境下，极大发挥其强大的作用。下文分享有关大数据人脸分析的内容。

基于特征的方法和基于图像的方法

1、基于特征的方法

技术：基于特征的方法试图找到人脸的不变特征进行检测。其基本思想是基于人类视觉可以毫不费力地检测不同姿势和光照条件下的人脸的观察，因此必须有尽管存在这些变化的属性或特征是一致的。当前已经提出了广泛的方法来检测面部特征，然后推断面部的存在。

示例：边缘检测器通常会提取人脸特征，例如眼睛、鼻子、嘴巴、眉毛、肤色和发际线。基于提取的特征，建立统计模型来描述它们之间的关系并验证人脸在图像中的存在。

优点：易于实施，传统方法

缺点：基于特征的算法的一个主要问题是图像特征可能会由于光照、噪声和遮挡而严重损坏。此外，人脸的特征边界会被弱化，阴影会导致强边缘，这使得感知分组算法无用。

2、基于图像的方法

技术：基于图像的方法尝试从图像中的示例中学习模板。因此，基于外观的方法依靠机器学习和统计分析技术来找到“人脸”和“非人脸”图像的相关特征。学习的特征是以分布模型或判别函数的形式应用于人脸检测任务。

示例：基于图像的方法包括神经网络（CNN）、支持向量机（SVMi）或 Adaboost。

优点：性能好，效率更高

缺点：难以实施。为了计算效率和检测效率，通常需要降维。这意味着通过获得一组主要特征来考虑降低特征空间的维数，保留原始数据的有意义的属性。

人脸检测方法

已经引入了多种人脸检测技术。

1、开始阶段：人脸检测自 90 年代出现以来一直是一个具有挑战性的研究领域。

2000 年之前，尽管有很多研究，但直到 Viola 和 Jones 提出里程碑式的工作，人脸识别的实际性能还远不能令人满意。从 Viola—Jones 的开创性工作（Viola and Jones 2004）开始，人脸检测取得了长足的进步。

Viola and Jones 开创性地使用 Haar 特征和 AdaBoost 来训练一个有希望的准确度和效率的人脸检测器（Viola and Jones 2004），这启发了之后有几种不同的方法。然而，它有几个严重的缺点。首先，它的特征尺寸比较大。另外，它不能有效地处理非正面人脸和框外人脸。

2、早期阶段——机器学习：早期的方法主要集中在与计算机视觉领域的专家一起提取不同类型的手工特征，并训练有效的分类器以使用传统的机器学习算法进行检测。

这些方法的局限性在于它们通常需要计算机视觉专家来制作有效的特征，并且每个单独的组件都单独优化，使得整个检测流程往往不是最佳的。

为了解决第一个问题，人们付出了很多努力来提出更复杂的特征，如 HOG（定向梯度直方图）、SIFT（尺度不变特征变换）、sURF（加速鲁棒特征）和 ACF（聚合通道特征）。检测的鲁棒性，已经开发了针对不同视图或姿势分别训练的多个检测器的组合。然而，此类模型的训练和测试通常更耗时，并且检测性能的提升相对有限。3

3、最新技术 — 深度学习：近年来，使用深度学习方法，尤其是深度卷积神经网络（CNN）的人脸识别取得了显着进展，在各种计算机视觉任务中取得了显显著的成功。

与传统的计算机视觉方法相比，深度学习方法避免了手工设计的不足，并主导了许多著名的基准评估，例如 lmageNet大规模视觉识别挑战（ILSVRC）。

最近，研究人员应用了 Faster R—CNN，这是最先进的通用对象检测器之一，并取得了可喜的成果。此外，CNN 级联、区域提议网络（RPN）和 Faster R—CNN 联合训练实现了端到端的优化，以及人脸检测基准，如 FDDB（人脸数据库）等。

主要挑战

人脸检测面临的困难是降低人脸识别准确率和检测率的原因。

这些挑战是复杂的背景、图像中的人脸过多、奇怪的表情、光照、分辨率较低、人脸遮挡、肤色、距离和方向等。

不寻常的面部表情：图像中的人脸可能会显示出意外或奇怪的面部表情。

照明度：某些图像部分可能具有非常高或非常低的照明度或阴影。

皮肤类型：检测不同人脸颜色的人脸检测具有挑战性，需要更广泛的训练图像多样性。

距离：如果到相机的距离太远，物体尺寸（人脸尺寸）可能太小。

朝向：人脸方向和相机的角度会影响人脸检测率。

复杂的背景：场景中的大量对象会降低检测的准确性和速度。

一张图像中有很多人脸：一张包含大量人脸的图像对于准确检测率来说非常具有挑战性。

人脸遮挡：人脸可能会被眼镜、围巾、手、头发、帽子等物体部分遮挡，影响检测率。

低分辨率：低分辨率图像或图像噪声会对检测率产生负面影响。

人脸检测应用场景

人群监控：人脸检测用于检测经常光顾的公共或私人区域的人群。

人机交互：多个基于人机交互的系统使用面部识别来检测人类的存在。

摄影：最近的一些数码相机使用面部检测进行自动对焦等等。

面部特征提取：可以从图像中提取鼻子、眼睛、嘴巴、肤色等面部特征。、

性别分类：通过人脸检测方法检测性别信息。

人脸识别：从数字图像或视频帧中识别和验证一个人。

营销：人脸检测对于营销、分析客户行为或定向广告变得越来越重要。

出勤：面部识别用于检测人类的出勤情况，它通常与生物识别检测结合用于访问管理，如智能门禁。

2014年前后，随着大数据和深度学习的发展，神经网络备受瞩目，深度学习的出现使人脸识别技术取得了突破性进展。深度学习是机器学习的一种，其概念源于人工神经网络的研究，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

区别于传统的浅层学习，深度学习的不同在于一方面通常有5层以上的'多层隐层节点，模型结构深度大；另一方面利用大数据来学习特征，明确了特征学习的重要性。

随着深度卷积神经网络和大规模数据集的最新发展，深度人脸识别取得了显著进展，基于深度学习的人脸识别技术可以通过网络自动学习人脸面部特征，从而提高人脸检测效率。

从人脸表达模型来看，可细分为2D人脸识别和3D人脸识别。基于2D的人脸识别通过2D摄像头拍摄平面成像，研究时间相对较长，在多个领域都有使用，但由于2D信息存在深度数据丢失的局限性，收集的信息有限，安全级别不够高，在实际应用中存在不足。

早在2019年，就有小学生手举照片“攻破”了快递柜的人脸识别系统。基于3D的人脸识别系统通过3D摄像头立体成像，由两个摄像头、一个红外线补光探头和一个可见光探头相互配合形成3D图像，能够准确分辨出照片、视频、面具等逼真的攻击手段。

根据使用摄像头成像原理，目前3D人脸识别主要有三种主流方案，分别是3D结构光方案（Structured Light）、时差测距技术3D方案（Time Of Flight，TOF）和双目立体成像方案（Stereo System）。基于3D结构光的人脸识别已在一些智能手机上实际应用，比如HUAWEI Mate 20 Pro、iPhone X。

2009年微软推出的Kinect（Xbox 360体感周边外设）则采用了TOF方式获取3D数据，颠覆了游戏的单一操作，为人机体感交互提供了有益探索。双目立体成像方案基于视差原理，通过多幅图像恢复物体的三维信息，由于对相机焦距、两个摄像头平面位置等要求较高，应用范围相对于3D结构光和TOF方案较窄。

除了能够准确识人，精准判断捕捉到的人脸是真实的也至关重要。活体检测技术能够在系统摄像头正确识别人脸的同时，验证用户是本人而不是照片、视频等常见攻击手段。目前活体检测分为三种，分别是配合式活体检测、静默活体检测和双目活体防伪检测。

其中，配合式活体检测最为常见，比如在银行“刷脸”办理业务、在手机端完成身份认证等应用场景，通常需要根据文字提示完成左看右看、点头、眨眨眼等动作，通过人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人。

人脸与人体的其他生物特征（如指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。随着大数据和深度学习的不断发展，人脸识别效率显著提升，为远程办理业务的身份认证环节提供了可靠保障。

但与此同时，人脸信息保护、隐私安全等问题也应引起重视。随着《个人信息保护法》《数据安全法》及相关司法解释的出台，国家相关部门以及各种机构对个人信息安全问题的重视，有利于引导人脸识别技术的发展方向，为促进行业高质量发展、创造高品质数字生活提供有力支撑。

人脸识别的应用场景在大范围扩展：

金融领域：远程银行开户、身份核验、保险理赔和刷脸支付等。人脸识别技术的接入，能有效提高资金交易安全的保障，也提高了金融业务中的便捷性。

智慧安防领域则是为了视频结构化、人物检索、人脸布控、人群统计等软硬件一体形态产品提供基础支撑，重点应用于犯罪人员的识别追踪、失踪儿童寻找、反恐行动助力等场景。实现重点人员的识别及跟踪，在公安应用场景中达到事前预警、事中跟踪、事后快速处置的目的。

交通领域主要包括1：1人脸验证和1：N人脸辨识，目前利用人脸核验验证技术的刷脸安检已进入普遍应用阶段，在高铁站、普通火车站和机场皆已大面积推广。

而应用1：N人脸比对技术的刷脸支付主要落地在地铁公交等市内交通，这种技术能够极大提高通勤人员的出行效率，释放大量的人力资源，提升出行体验。同时，人脸识别可以对交通站点进行人流监测，根据人员出行规律预测人流高峰，提前做好疏导预案。

民生政务方面，人脸识别在政务系统的落地，提升了民众的办事效率，公民可以不用窗口排队，实现自助办事，节省了因人工效率低下产生的耗时。部分政务还可以通过在线人脸识别验证，在移动端线上办理，减轻了“办事来回跑、办事地点远、办事点分散”的困扰。

智能家居方面，主要应用在安全解锁和个性化家居服务两个场景。

在线教育领域则是通过人脸识别查验学员身份，避免一账号多个人使用，给网校造成损失，另一用途是帮助在线课堂老师了解学生学习状态，弥补网络授课相较于传统授课在师生交流环节上的不足。

商业领域，利用人脸识别功能实现各种极具创意的互动营销活动。

凡事都有两面。即便拥有以上优势，因人脸暴露度较高，相比对其他生物特征数据更容易实现被动采集，这也意味着人脸信息的数据更容易被窃取，不仅可能侵犯个人隐私，还会带来财产损失。大规模的数据库泄露还会对一个族群或国家带来安全风险。

在南方都市报个人信息保护研究中心发布的《人脸识别应用公众调研报告（2020）》中，其对两万份调研报告进行统计，问卷中就“便捷性”与“安全性”设置了量表题，请受访者分别依据前述10大类场景中的使用感受进行打分。

1分为最低分，5分为最高分。结果显示，在安全性感受方面，受访者给出的分数则明显偏低，体现出他们对安全风险的忧虑态度。

工科生一般有一个毕业设计，做一个项目，同时需要写一个论文也就是毕业论文讲述设计工作中做了什么，为什么做，得到了什么结论等理论性的东西。文史哲以及经济等和理科生一般都是需要写一个论文，阐述清楚以及涉猎的学科研究方向中的理论，突破，收获等。大致这样吧

许多同学需要的毕业设计与实现，其实网盘可以有了，只是你不知道，不需要到处找下载了相册管理系统JSP九宫格日记本鞋子商城销售网站图书商城项目管理系统JSP小说网美食菜谱分享系统酒店预定管理系统学校宿舍管理系统航班机票订票网站个人日记本会员卡积分管理系统宠物商城企业财务管理系统校园任务管理系统校园一卡通管理系统停车位预定管理系统学生考勤管理系统游戏购买网站蛋糕甜品店管理系统简单院校工资管理系统校园运动会管理系统师生交流学习管理系统新闻发布管理系统家政服务管理系统图书借阅管理系统私人牙科诊所病历管理系统教师科研信息管理系统宿舍寝室管理系统在线医疗预约挂号管理系统员工出差请假考勤管理系统航班机票销售管理系统失物招领管理系统校友同学网站管理系统物流公司企业管理系统会议-会议室管理系统学生社团管理系统校园二手物品交易兼社交网站图书销售管理系统个人博客鲜花销售商城管理系统教务教学兼学生成绩管理系统学生信息管理系统学生成绩管理系统人事管理系统图书管理系统论坛的实现学生选课信息管理系统网络教学平台学生管理系统学生成绩分析管理系统图书借阅管理系统在线考试系统音乐管理系统B-SSM项目SSM个人记账本垃圾分类查询管理系统新闻发布管理系统房屋出租管理系统简单教务查询管理系统快递物流管理系统学生管理系统企业工资管理系统电子书网站管理系统电影售票管理系统酒店预定管理系统酒店后台管理系统学生选课管理系统在线考试管理系统停车场管理系统汽车出租管理系统校园帮跑腿管理平台简单个人相册管理系统客户关系管理系统网上超市购物商城管理系统健身房管理系统简单网页聊天管理系统在线视频教育网站企业官方网站新闻网站管理系统个人博客管理系统个人博客网站管理系统毕业设计管理系统餐厅点餐收银管理系统房屋租赁管理系统医药信息管理系统协同过滤音乐推荐管理系统农产品朔源管理系统人力资源人事管理系统健身房俱乐部管理系统学生会管理系统台球室计费管理系统的KTV管理系统驾校预约管理系统医院挂号预约管理系统汽车俱乐部管理系统汽车维修中心管理系统简单院校教师工资管理系统网上零食超市商城毕业设计选题管理系统宿舍寝室管理系统家庭理财记账管理系统物流快递管理系统宠物商城带后台管理系统学生成绩信息管理系统实验室设备管理医院住院管理系统网上外卖订餐管理系统失物招领管理系统C-SSH项目SSH图书管理系统SSH招聘网站宠物交易管理系统物业管理系统失物招领管理系统通讯录网站管理系统物流快递管理系统失物招领管理系统教学辅助视频学习交流管理系统简单学生信息管理系统毕业生去向登记就业管理系统生态旅游旅行网站通讯录管理系统房屋线下销售网站管理系统小区物业管理系统宠物领养饲养交流管理平台网上问卷调查投票网站系统网上拍卖管理系统仓库管理系统汽车票销售管理系统火车票售票管理系统房屋租赁管理系统实验室预约管理系统校友同学网站校园运动会管理系统网上银行管理系统会议室管理系统企业人力资源管理系统新闻管理发布网站系统酒店管理系统电影订票管理系统小区/公司/物业停车场管理系统学生宿舍管理系统企业进销存管理系统的摄影网站招聘网站，包含设计文稿D-SpringBoot项目SpringBoot招聘网站项目企业固定资产管理系统美容院预约管理系统婚纱影楼摄影预约网站美容院后台管理系统线上网络文件管理系统博客论坛管理系统实现的一个简单博客管理系统图书馆图书借阅管理系统课程评分评价管理系统校园报修管理图书管理系统在线电子商城管理系统汽车配件管理系统

人脸检测论文fan

Viola-jones人脸检测算法是一种基于滑动窗口的目标检测算法，但它却克服了滑动窗口检测带来的低效问题，可以用于实时人脸检测，主要归功于以下三点：

我参考论文[1]实现了Viola Jones中提到的attention cascade检测框架，此处是 github传送门。

下面进一步详细介绍整个检测原理。

基于滑窗的目标检测基本原理很简单，首先构建一个classifier（分类器），以人脸检测为例，分类器的工作是判断给定大小的图像的是否为人脸，用该分类器从左至右从上到下扫描整幅图像，扫描获取的部分图像称为子窗（文章中子窗大小为24x24像素），当分类器判断子窗是人脸时，即完成了人脸检测。

这样处理有个问题，如果图像中包含的人脸变大了，此时采用固定大小的子窗就无法进行检测。通常有两种解决方法，1. 采用image-pyramid（图像金字塔），也就是通过resize获得多种不同大小图像并堆叠在一起，用固定大小分类器同时对所有图像进行扫描；2. 采用不同大小的分类器进行扫描。文章中用到的是第二种方法，尽管如此，虽然避免了调整图像大小带来的计算开销，但不同大小的分类器意味着有更多子窗需要进行处理。

如何构建一个足够快的分类器来对每个子窗进行快速判断。

分类器的构建有两种方式，一种是pixel-based（基于像素），另一种是feature-based（基于特征）。当把神经网络作为图像分类器时，输入是图像的像素值，即基于像素的分类器。用图像像素作为输入不包含任何和待分类目标有关的特定信息，往往训练这种分类器需要大量数据，并且分类过程较慢。基于特征的分类器就是先针对图像进行特征提取（HOG特征，SIFT特征等），再利用获取的特征进行分类。这种分类器不需要大量训练数据，且计算量一般会在特征计算部分，相对较小。

文章采用的是基于特征的分类器，选取了一种较为简单的特征即haar-like特征。利用矩形个数对可以将haar-like特征分为三类，分别由两个，三个，和四个大小相同的矩形组成。全部列举出来可以分为以下(a)(b)(c)(d)(e)五类（注意是五类不是五个，具体有多少个haar-like特征是由子窗大小决定的）。如下图所示（文章[1]中的图）。

当子窗大小给定后，我们可以用五个参数唯一确定一个 haar-like特征，即特征种类（a/b/c/d/e），左上角x轴坐标，左上角y轴坐标，矩形的长，矩形的宽。对应的特征值等于位于白色矩形框中像素值总和减去位于黑色矩形框中的像素值总和。文章中用到的子窗大小为24x24像素，可以计算出来总共有162336个特征（把在子窗中所有可能位置和可能大小的特征全部列举出来）。利用haar-like特征进行分类只需两步：

haar-like特征有两个优点，第一是它是scale-invariant(不随图片大小而改变)的，第二是可以通过积分图像快速计算。简单的说下第一点的含义，例如我们用24x24像素的训练样本训练获取一组haar-like特征和对应的门限值，当对图像进行扫描时，子窗大小调整为SxS像素，此时只需将特征中的矩形大小按同样比例进行缩放（门限值同样需要缩放），计算所得的特征值依然是有效的。积分图像是受卷积的微分性质启发而定义一种数据结构。积分图像定义：其中为积分图像，为原图像。积分图像中位置处的像素值等于原图中位于的左侧和上方的所有像素值之和。有了积分图像我们就可以快速计算haar-like特征，以特征（a）为例，如下图所示。

S1到S6是积分图像在这六个顶点上的值。该特征值等于位于A中的像素总和减去位于B中的像素总和，而A中像素总和等于S5+S1-S2-S4，B中像素总和等于S6+S2-S3-S5，并且无论矩形多大，我们总能在固定时间内计算出特征值（6次索引操作和少量的加法乘法计算）。积分图像只需计算一次后续可以一直使用，事实上在算法实现时，我们只需保存样本的积分图像，原图像反而不用保存。

现在找到了一类特征用于构建分类器，和快速计算该类特征的方法。分类器是由一组特征构成的，而不是一个，如何找到一组有效的特征。

文章列举了前人的一些特征选取方法（此处就不列举了），它们虽然取得了一定的效果，但最终选出来的特征数量还是太多。文章将adaBoost算法用于特征选取（创新点），即每次训练的弱分类器的过程看做特征选取的过程，一次从162336个特征中选取一个特征（同时还包括了对应的门限值，极性，加权误差）。

adaboost算法就不详细介绍了，它的基本思想是训练一系列“弱”分类器，组成一个committee（即每个弱分类器都有投票权，但是权重不同，加权误差越小的弱分类器权重越大）。adaboost采用迭代训练方式，给定一个t阶committee，如何寻找第t+1个弱分类器和对应的权重，以最小化在一定分布下的训练样本的加权指数损失。这个优化过程可以转换为对训练样本的分布进行调整（即增大上一轮错误判断的样本的权重，减小正确判断的样本权重），在调整后的样本分布下寻找最小化加权0-1损失的弱分类器并计算对应的加权0-1损失。

可以利用adaboost找到一组特征构成分类器，使得该分类器有极高的准确率和召回率（这种分类器势必会有较大的计算量），这样会导致图像中的每一个子窗都享有同等的计算量，扫描一整幅图会有几十万甚至上百万子窗，总体计算量依然很大。实际上一幅图像中只有极少可能包含人脸的位置是我们感兴趣的，其他不包含人脸的子窗我们希望能够快速筛除，将更精细的计算用于包含人脸的子窗。

文章引入了attention-cascade的机制（注意力级联），即训练多个分类器进行级联，替代单一的分类器。结构如下图所示（文章[3]中的图）。

上图所示的分类器有三级，上一级的输出是下一级的输入，只有预测为正的样本才能传递给下一级，预测为负的样本直接舍弃。大部分非人脸子窗往往在前几级分类器就被舍弃，这样使得扫描每个子窗所需的平均计算量大大减小。

分类器是一级一级训练之后级联起来的，训练分类器时，整个级联分类器的假负率（fpr_overall）有一个训练目标（文章[1]中设置为10e-7），同时每一级有一对训练目标，即假正率和假负率。每级分类器训练的思想是在假负率极低的情况下（文章[1]中设置为）尽量得到一个较低的假正率（文章中[1]中设置为），即我们保证在正样本尽可能多的通过该级分类器的情况下尽量筛除更多的负样本。文章[3]通过一个松弛量来调节假正率和假负率。

下一级用到的训练数据是由所有的正样本和上一级输出的假正样本组成的，这样训练的好处是可以让处于级联后半部分的分类器“看到”更多负样本数据，缺点是训练后期假正样本很难获取，训练时间会比较长。

尽管我们获取了一个级联分类器，但依然不能保证对同一幅图中的一张人脸只会检测到一次（子窗相对人脸有所便宜或者缩放子窗大小都可能导致重复检测），如何消除重复检测，获得更好的检测效果。

文章[3]中说的较为简略，主要是针对检测框构建并查集，并对并查集中的候选框求平均得出最终的检测框。

文章[1]中是采用连通分量算法，计算每种大小检测框的置信度，根据置信度选取最终结果，但前提是检测器在图像中扫描的步进必须是1个像素，处理时间可能会比较长。

只能用于正脸检测，如果人脸朝屏幕内外或者在屏幕平面上旋转均有可能失效在背景较亮，人脸较暗的情况下可能失效。在有遮挡的情况下大概率失效。