Viola–Jones 偵測器

Viola–Jones 偵測器於 2001 年發表，是第一個能在普通硬體上即時偵測人臉的方法，並在往後十年間成為相機與網路攝影機內的找臉引擎。它的突破不是單一想法，而是三者的結合：極度便宜的特徵、能以常數時間計算它們的技巧，以及一個對佔據影像大部分的「好認的非臉」幾乎不花力氣的級聯。其直覺是：人臉具有穩定的明暗結構——眼睛區域比下方臉頰暗，鼻樑比兩旁的眼睛亮——而你可以用簡單的矩形對比來檢測這類圖樣。

具體而言，這些特徵是 Haar 類特徵（Haar-like features）：你把某個矩形內的像素加總，再減去相鄰矩形的加總，得到一個對亮度邊緣或條帶有反應的數值。在一個 24×24 的視窗裡，這類矩形有數萬種可能，因此使用 AdaBoost 既挑出最具鑑別力的數百個，也把它們組合成一個強分類器。為了讓每個矩形和瞬間可得，影像會先轉成積分影像（integral image，即面積和表），其中每個位置儲存它左上方所有像素的總和；如此一來，不論矩形多大，任一矩形的總和都只需四次陣列查表即可得到。

最後一塊是注意力級聯（attentional cascade）：偵測器不是一個大分類器，而是一連串階段，每階段是一個小型的提升式分類器。一個視窗必須通過每一個階段才會被判定為臉；一旦任何階段拒絕它，掃描就立即停止。由於前面幾個階段非常小（第一個階段只用兩個特徵），卻能拒絕大量背景視窗，平均每個視窗只需少數幾次運算。這就是為何完整的滑動視窗加金字塔掃描能即時執行。其取捨在於 Viola–Jones 是針對大致正面、直立、光照合理的人臉所調校；面對側臉、大幅旋轉與嚴重遮擋時表現會下降，而這正是現代卷積偵測器（如 MTCNN 與 SSD 式人臉偵測器）接手的地方。