这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识，也欢迎大家关注我的公众号WeThinkIn。

在目标检测领域可以划分为人脸检测与通用目标检测，往往人脸检测这方面会有专门的算法（包括人脸检测、人脸识别、人脸其他属性的识别等等），并且和通用目标检测（识别）会有一定的差别，这主要是因为人脸的特殊性（有时候目标比较小、人脸之间特征不明显、遮挡问题等），下面我们将从人脸检测和通用检测两个方面来讲解目标检测。

目前主要的人脸检测方法分类：

目前人脸检测方法主要包括两个区域：传统人脸检测算法和基于深度学习的人脸检测算法。传统人脸检测算法主要可分为4类：

1. 基于知识的人脸检测方法。
2. 基于模型的人脸检测方法。
3. 基于特征的人脸检测方法。
4. 基于外观的人脸检测方法。

接下来我们着重介绍基于深度学习的人脸检测方法。

深度学习在人脸检测领域的研究主要集中在CNN的人脸检测。如基于级联卷积神经网络的人脸检测（cascade CNN）、基于多任务卷积神经网络的人脸检测（MTCNN）、Facebox等，很大程度上提高了人脸检测的鲁棒性。当然通用目标检测算法像Faster-RCNN、YoLo、SSD等也有用在人脸检测领域，也可以实现比较不错的结果，但是和专门的人脸检测算法比还是有差别。

检测图片中不同大小的人脸

传统人脸检测算法中针对不同大小人脸主要有两个策略：

1. 缩放图片的大小（图像金字塔如下面第一张