主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些***能代表人脸的矩形特征(弱分类器)，按照加权投1票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸验证

比如 FaceID 人脸解1锁，iPhone 事先存了一张用户的照片（需要用户注册），这张照片变成了转换成了一连串特征数值（即特征空间里的一个点），用户解1锁时，手机只需要对比当前采集到的脸和事先注册的脸在特征空间里的几何距离，如果距离足够近，则判断为同一人，如果距离不够近，则解1锁失败。距离阈值的设定，则是算法工程师通过大量实验得到的。

从人脸识别技术应用试水智慧社区建设

人脸识别走进智慧社区，首先主要是对小区的门禁进行管理。通过把人脸识别技术和门禁系统相结合，通过对人脸的识别（“刷脸“）作为门禁开启的钥匙。业主无需额外携带门禁卡，只需要站在人脸识别门禁机前刷脸，整个开门过程不到一秒。它解决了两个问题，一是住户不需要携带卡，凭人脸进入，免去了忘带卡，杜绝非小区人员捡到卡去复1制；二是当住户双手提满东西的时候不需要再经过“放东西—找钥匙—开门—再拎东西”这样的不智能的流程。