对于 1 百万像素 (1 Mpix) 的图像，为了避免每张图像中都有误报 (False Positive) ，需要将误报率控制在低于 。
面部检测
Face Detection
Viola-Jones 算法
可以视为一种「滑动窗口」
积分图像
Integral Imag
一种加速图像处理中矩形区域和计算的技术。它的主要作用是在常数时间内计算任意矩形区域的像素和，对于下一步骤的的特征计算非常重要。
特征选择
使用 Haar-like 特征来表示图像中的结构信息，其定义为图片「黑白矩形区域像素之和的差值」。
- 它在一定程度上反应了图像灰度的局部变化，在灰度分布均匀的区域特征值趋近于 0。
- 它用于捕捉图像的边缘、变化等信息。
弱分类器：使用单一 Haar-like 特征
强分类器：将 个弱分类器加权组合
人脸的五官有各自的亮度信息，例如眼睛比周围区域的颜色要深，鼻梁比两侧颜色要浅。
Haar-like 特征对于这些 “块特征”（眼睛、嘴）具有比较好的效果，但对主要靠外形（咖啡杯、树枝）的物体不适用。
通过「AdaBoost」，够从大量的 Haar-like 特征中筛选出最有效的结果，大大减少了计算量，并提升了检测性能。
级联分类
Cascade
使用多阶段的分类器结构，在每个阶段都对输入进行分类。
如果某个阶段的分类器判定该区域为非人脸，则直接丢弃该区域，跳过后续的处理步骤。
这样可以显著提高检测效率，特别是在计算资源有限时。
行人检测
Pedestrian Detection