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。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。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。

用于表示人脸的大量特征从哪来？这便是深度学习（深度***网络）发挥作用的地方。它通过在千万甚至亿级别的人脸数据库上学习训练后，会自动总结出适合于计算机理解和区分的人脸特征。

算法工程师通常需要一定的可视化手段才能知道机器到底学习到了哪些利于区分不同人的特征，当然这部分不是本节***。

阐明了不同人脸由不同特征组成后，我们便有了足够的知识来分析人脸识别，到底怎么识别。

还在质疑人脸识别算法？它已经比强1人类还要强了图普科技 ? 2018-06-01 ? 人工智能何况人类还有大批“脸盲”。

一项1新研究表明，***人员在人脸识别上的表现仍优于机器，但将两者结合起来可以取得近乎完1美的结果。

受过***培训的法医鉴定人员对人脸识别的结果可用于呈堂证供，该研究首1次对这些***人士与1新人脸识别技术的识别准确度进行了评估与对比，新南威尔士大学的D***id White说道，他是本研究课题的负责人之一。

“以前进行的研究主要集中于普通人在人脸识别方面的准确度，”White博士指出。