主流的人臉檢測方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強(qiáng)的分類方法。人臉檢測過程中使用Adaboost算法挑選出一些能代表人臉的矩形特征(弱分類器)，按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。

人臉識別問題中x是圖像，當(dāng)然圖像在計算機(jī)中的存儲方式是數(shù)字矩陣對應(yīng)圖像的像素點(diǎn)陣，比如1024×768等等，而每個像素點(diǎn)是用數(shù)值來表示RGB或者黑白灰，不同的圖像所對應(yīng)的數(shù)字矩陣是不同的，但在數(shù)值分布上會呈現(xiàn)出一定的特征，比如人臉和五官，不管出現(xiàn)在圖像中的哪個位置，對應(yīng)的數(shù)值都會有一定的規(guī)律。

人臉識別算法一般會設(shè)定一個閾值作為評判通過與否的標(biāo)準(zhǔn)，該閾值一般是用分?jǐn)?shù)或者百分比來衡量。業(yè)界一般采用“認(rèn)假率（FAR，又稱誤識率，把某人誤識為其他人）”和“拒真率（FRR拒真率，本人注冊在底庫中，但比對相似度達(dá)到不預(yù)定的值）”，來作為評判依據(jù)。