主要有两大类：基于知识和基于统计。

        基于知识的方法主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。

        基于统计的方法则将人脸看作一个整体的模式——二维像素矩阵，从统计的观点通过大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在。

        基于知识的人脸检测方法

        Ø 模板匹配

        Ø 人脸特征

        Ø 形状与边缘

        Ø 纹理特性

        Ø 颜色特征

        基于统计的人脸检测方法

        Ø 主成分分析与特征脸

        Ø 神经网络方法

        Ø 支持向量机

        Ø 隐马尔可夫模型

        Ø Adaboost算法

        分类器，在这里就是指对人脸和非人脸进行分类的算法，在机器学习领域，很多算法都是对事物进行分类、聚类的过程。

        聚类和分类的区别是什么？

        一般对已知物体类别总数的识别方式我们称之为分类，并且训练的数据是有标签的，比如已经明确指定了是人脸还是非人脸，这是一种有监督学习。

        处理类别总数不确定的方法或者训练的数据是没有标签的，这就是聚类，不需要学习阶段中关于物体类别的信息，是一种无监督学习。

        Haar分类器实际上是Boosting算法的一个应用，Haar分类器用到了Boosting算法中的AdaBoost算法，只是把AdaBoost算法训练出的强分类器进行了级联，并且在底层的特征提取中采用了高效率的矩形特征和积分图方法。

        Haar分类器算法的要点如下：

        ①　使用Haar-like特征做检测。