Viola-Jones 透過先拒絕簡單負樣本，讓臉部偵測變得快速

臉部偵測曾經意味著要掃描許多可能的視窗，並對每個區塊執行過多的運算。Viola 與 Jones 將問題重新定義為串聯：大多數視窗都是背景，因此讓拒絕它們幾乎不費成本。

他們的 CVPR 論文列出三項貢獻：用於快速計算特徵的積分影像、用於挑選少量關鍵視覺特徵的 AdaBoost，以及只對有希望像物體的區域投入更多運算的串聯。

在臉部偵測方面，論文報告的偵測率可與先前最佳系統相比，並表示該偵測器在沒有影像差分或膚色偵測的情況下，以每秒 15 幀的速度運行。

幾乎不費成本地拒絕空白影像區域

積分影像讓許多矩形特徵的計算成本低到足以反覆測試。

AdaBoost 將龐大的特徵池轉化為精簡的偵測器。

串聯契合了資料分布：大多數視窗都是容易判斷的負樣本。

速度可以來自決策的排序，而不只是來自更快的特徵。把成本最低、召回率高的篩選器放在最前面，並將細節保留給少數通過篩選的候選者。

Viola-Jones 框架成為即時電腦視覺與臉部偵測領域的里程碑。後來的深度學習系統超越了它，但串聯的概念仍是只在仍有不確定性之處投入運算的清晰範例。