Rozpoznawanie twarzy ludzkiej jest jednym z najtrudniejszych tematów w dziedzinie przetwarzania obrazów, widzenia komputerowego i rozpoznawania wzorców. Przed rozpoznaniem ludzkiej twarzy, konieczne jest wykrycie twarzy, a następnie wyodrębnienie jej cech. Wiele metod zostało stworzonych i opracowanych w celu wykrywania twarzy, a dwie z najbardziej popularnych to Viola-Jones Haar Cascade Classifier (V-J) oraz Histogram of Oriented Gradients (HOG). W niniejszym artykule zaproponowano porównanie metod VJ i HOG do wykrywania twarzy. V-J metoda obliczyć integralny obraz przez Haar-jak cechy z AdaBoost procesu, aby solidny klasyfikator kaskady, HOG obliczyć klasyfikator dla każdego obrazu w i skali obrazu, zastosowano przesuwne okna, wyodrębnione deskryptor HOG w każdym oknie i zastosowano klasyfikator, jeśli klasyfikator wykrył obiekt z wystarczającym prawdopodobieństwem, że przypomina twarz, klasyfikator nagrywania bounding box okna i zastosowano non-maximum tłumienia, aby dokładność wzrosła. Wyniki eksperymentu pokazują, że system z powodzeniem wykrywa twarze w oparciu o ustalony algorytm. Oznacza to, że aplikacja wykorzystująca widzenie komputerowe może wykrywać twarze i porównywać wyniki.
.