Humane ansigtsgenkendelse er et af de mest udfordrende emner inden for billedbehandling, computer vision og mønstergenkendelse. Før man kan genkende et menneskeligt ansigt, er det nødvendigt at detektere et ansigt og derefter udtrække ansigtstræk. Mange metoder er blevet skabt og udviklet med henblik på at udføre ansigtsdetektion, og to af de mest populære metoder er Viola-Jones Haar Cascade Classifier (V-J) og Histogram of Oriented Gradients (HOG). I denne artikel foreslås en sammenligning mellem VJ og HOG til detektering af ansigter. V-J-metoden beregner Integral Image gennem Haar-lignende træk med AdaBoost-processen for at lave en robust kaskadeklassifikator, HOG beregner klassifikatoren for hvert billede i og skalaen af billedet, anvender glidende vinduer, uddrager HOG-deskriptor ved hvert vindue og anvender klassifikatoren, hvis klassifikatoren registrerer et objekt med tilstrækkelig sandsynlighed, der ligner et ansigt, registrerer klassifikatoren vinduets afgrænsende boks og anvender ikke-maksimal undertrykkelse for at øge nøjagtigheden. De eksperimentelle resultater viser, at systemet med succes detekterede ansigter på grundlag af den fastlagte algoritme. Det vil sige, at applikationen ved hjælp af computer vision kan detektere ansigtet og sammenligne resultaterne.