1) 基于Adaboost人臉檢測(cè)
Adaboost人臉檢測(cè)算法，是基于積分圖、級(jí)聯(lián)檢測(cè)器和Adaboost算法的方法，該方法能夠檢測(cè)出正面人臉且檢測(cè)速度快。其核心思想是自動(dòng)從多個(gè)弱分類器的空間中挑選出若干個(gè)分類器，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。
缺點(diǎn)： 而在復(fù)雜背景中，AdaBoost人臉檢測(cè)算法容易受到復(fù)雜環(huán)境的影響，導(dǎo)致檢測(cè)結(jié)果并不穩(wěn)定，極易將類似人臉區(qū)域誤檢為人臉，誤檢率較高。
2) 基于特征的方法 （引用“Summary of face detection based>基于特征的方法實(shí)質(zhì)就是利用人臉的等先驗(yàn)知識(shí)導(dǎo)出的規(guī)則進(jìn)行人臉檢測(cè)。
① 邊緣和形狀特征：人臉及人臉器官具有典型的邊緣和形狀特征，如人臉輪廓、眼瞼輪廓、虹膜輪廓、嘴唇輪廓等都可以近似為常見(jiàn)的幾何單元；
② 紋理特征：人臉具有特定的紋理特征，紋理是在圖上表現(xiàn)為灰度或顏色分布的某種規(guī)律性，這種規(guī)律性在不同類別的紋理中有其不同特點(diǎn)；
③ 顏色特征：人臉的皮膚顏色是人臉表面最為顯著的特征之一，目前主要有RGB，HSV，YCbCr，YIQ，HIS等彩色空間模型被用來(lái)表示人臉的膚色，從而進(jìn)行基于顏色信息的人臉檢測(cè)方法的研究。
3) 基于模板的方法
基于模板匹配的方法的思路就是通過(guò)計(jì)算人臉模板和待檢測(cè)圖像之間的相關(guān)性來(lái)實(shí)現(xiàn)人臉檢測(cè)功能的，按照人臉模型的類型可以分為兩種情況：
① 基于通用模板的方法，這種方法主要是使用人工定義的方法來(lái)給出人臉通用模板。對(duì)于待檢測(cè)的人臉圖像，分別計(jì)算眼睛，鼻子，嘴等特征同人臉模板的相關(guān)性，由相關(guān)性的大小來(lái)判斷是否存在人臉。通用模板匹配方法的優(yōu)點(diǎn)是算法簡(jiǎn)單，容易實(shí)現(xiàn)，但是它也有自身缺點(diǎn)，如模板的尺寸、大小、形狀不能進(jìn)行自適應(yīng)的變化，從而導(dǎo)致了這種方法適用范圍較窄；
② 基于可變形模板的方法，可變形模板法是對(duì)基于幾何特征和通用模板匹配方法的一種改進(jìn)。通過(guò)設(shè)計(jì)一個(gè)可變模型，利用監(jiān)測(cè)圖像的邊緣、波峰和波谷值構(gòu)造能量函數(shù)，當(dāng)能量函數(shù)取得最小值時(shí)，此時(shí)所對(duì)應(yīng)的模型的參數(shù)即為人臉面部的幾何特征。這種方法存在的不足之處在于能量函數(shù)在優(yōu)化時(shí)十分復(fù)雜，消耗時(shí)間較長(zhǎng)，并且能量函數(shù)中的各個(gè)加權(quán)系數(shù)都是靠經(jīng)驗(yàn)值確定的，在實(shí)際應(yīng)用中有一定的局限性。