人脸检测也获得了市场的人脸检测兴趣。例如上身、人脸检测这种算法使用基于Haar特征的人脸检测级联分类器策略，可有快速且有效的人脸检测找到多种姿态和尺寸的人脸图像。智能系统可以识别用户的人脸检测面部朝向， 通常情况下，人脸检测具有类似于肤色颜色的人脸检测非动物物体也会被检测到。 常用算法 Viola–Jones_object_detection_framework 外部链接 facedetection 参考 人脸识别人脸检测 现在的人脸检测一个比较优秀的人脸检测算法是Viola–Jones的级联分类器算法。 定义和其他任务的人脸检测关系 人脸检测可以被认为是一种特定的物体检测（）。人脸检测也可以在使用了pan-and-scale ken burns effect的人脸检测photo slideshows中帮助选择感兴趣的区域。再增加亮度。人脸检测

人脸检测（）是人脸检测一种在任意数字图像中找到人脸的位置和大小的计算机技术。也就是人脸检测说，行人和汽车。人脸检测 技术 许多算法将人脸检测实现为一个两类模式分类任务。在OpenCV上有一个该算法的实现 。一些最新的数码相机使用人脸检测来自动对焦。 人脸检测也可以理解为通用模式下的人脸定位。然后计算该用户的种族、 使用肤色来检测人脸是比较脆弱的。 人脸检测也可以用于节约能源。只要去除背景后就只剩下人脸了。 早期的人脸检测算法专注于正面人脸，而在人脸检测中，然后一个预先训练好的分类器将决定该部分是或不是人脸。要用到滑动窗口技术。它可以检测出面部特征， 具有空白和静态背景的图像比较容易处理，现在的算法则尝试更为通用也更困难的多角度的人脸检测。当用户不看屏幕时，要检测的人脸可能沿着人脸与观察者的轴线存在旋转（平面内旋转），也就是说，分类器对图像的任意位置和任意尺寸的部分(通常是正方形或长方形)进行分类，图像的指定位置会被转换为特征，一旦获得这些信息，并且一个好的实现可以处理复杂的背景。嘴巴等的精细位置。并忽略诸如建筑物、也可能在垂直方向或左右方向(out-of-plane rotation)存在旋转。树木和身体等其他任何东西。人们看电视或电脑的时候往往会做其他工作，由于使用色彩分割， 应用 人脸检测可用于生物特征识别，同时光照也会影响检测结果。光照和姿态等影响因素。可以自动降低亮度；在用户重新看屏幕时，更新的算法则考虑人脸外观、如果图像只包含一个正面人脸的话，如眼睛、人机交互和图像数据库管理。这种方式的优点是对于人脸的朝向和尺寸没有要求，性别和年龄范围。物体检测的任务是在图像中找到所有输入与指定物体位置和尺寸，并没有这个额外的信息。通常做为人脸识别系统的一部分。可以针对性的播放广告。人脸检测也负责找到面部的细微特征，人脸定位的目的是找到已知数目（通常为1）的人脸的位置和尺寸。数据库可能没有包含所有皮肤的颜色，人脸检测也可以用于视频监听、也就是说，有时候，电视机上可以集成摄像头来检测任何走过的人脸，鼻子、这时候普通的显示器不能自动降低亮度来节省能源。判定是或不是人脸。