Humant ansiktsigenkänning är ett av de mest utmanande ämnena inom områdena bildbehandling, datorseende och mönsterigenkänning. Innan man känner igen det mänskliga ansiktet är det nödvändigt att upptäcka ett ansikte och sedan extrahera ansiktsegenskaperna. Många metoder har skapats och utvecklats för att utföra ansiktsdetektering och två av de mest populära metoderna är Viola-Jones Haar Cascade Classifier (V-J) och Histogram of Oriented Gradients (HOG). I detta dokument föreslås en jämförelse mellan VJ och HOG för att upptäcka ansikten. V-J-metoden beräknar Integral Image genom Haar-liknande egenskaper med AdaBoost-processen för att skapa en robust kaskadklassificerare, HOG beräknar klassificeraren för varje bild i och skalan på bilden, tillämpar glidfönster, extraherar HOG-deskriptor vid varje fönster och tillämpar klassificeraren, om klassificeraren upptäcker ett objekt med tillräcklig sannolikhet som liknar ett ansikte registrerar klassificeraren fönstrets avgränsande ruta och tillämpar icke-maximalt undertryckande för att öka noggrannheten. De experimentella resultaten visar att systemet lyckades upptäcka ansikten med hjälp av den fastställda algoritmen. Det innebär att programmet som använder datorseende kan upptäcka ansikten och jämföra resultaten.