（本文主要阐述级联分类器与人脸检测 最基本的原理 和 知识基础以及联系，具体的在Android上的实现后续会跟进）
-
级联分类器的概念出自2001年Paul Viola与Michael Jones提出的论文《基于级联分类器的快速对象检测》。 其是基于级联分类技术实现对人脸对象的实时快速检测， -
总结来说
级联分类器具有如下几个特征。 ·高拒绝率与低通过率。 ·弱分类器组合级联。 ·实时快速计算。 -
常见的级联分类器大多是基于LBP特征与HAAR特征实现的。基于LBP与HAAR特征 针对 特定目标训练得到分类器数据， 可以保存、加载，之后有效地进行对象识别，人脸检测识别就是其中最典型的例子之一。 下面是以上文字的简单的流程图：
#####下面首先介绍一下LBP与HAAR特征：
#####1.LBP特征介绍 局部二值模式（Local Binary Pattern，LBP）特征提取主要针对灰度图像，对于每个像素点来说，它周围都有8个与之相连通的像素（边缘除外），简称图像像素点的八领域，中心像素点与八领域中的任意一个相比较都能得到一个布尔值，把这8个布尔值连接起来就是一个二进制字符串，用于表示中心像素点，以上就是LBP特征的原生定义，如图6-16所示。 图6-16 中心像素为P=5，对于所有领域的像素，凡是小于中心像素的均设置为0，否则设置为1。更长见的周围的像素是半径为1的圆形，其LBP表达如图6-17所示。
