Viola-Jones通过先拒绝简单负样本让面部检测变得快速

面部检测曾经意味着扫描许多可能的窗口，并对每个图像块运行过多计算。Viola和Jones将问题重新构建为级联：大多数窗口是背景，因此让拒绝它们几乎不花费成本。

他们的CVPR论文列出了三项贡献：用于快速特征计算的积分图、用于选择少量关键视觉特征的AdaBoost，以及仅在看起来像物体的有希望区域上花费更多计算的级联。

对于面部检测，论文报告了与之前最佳系统相当的速度，并表示该检测器在没有图像差分或肤色检测的情况下以每秒15帧运行。

几乎无成本地拒绝空白图像区域

积分图使许多矩形特征足够廉价，可以反复测试。

AdaBoost将庞大的特征池转变为紧凑的检测器。

级联匹配了数据分布：大多数窗口是容易的负样本。

速度可以来自决策排序，而不仅仅来自更快的特征。将成本最低的高召回过滤器放在前面，并为少数存活的候选保留细节。

Viola-Jones框架成为实时计算机视觉和面部检测领域的里程碑。后来的深度学习系统超越了它，但级联思想仍然是一个清晰的例子，说明只在不确定性存活的区域花费计算。