引用 Cirno:确实是需要做detection，但是苦于没有比较优雅的实现，所以采用了先classifier后detector的naive方法。此处需要更多文献，非常感谢推荐。
我开始看到以为是要实现的是 detection，提取 bounding box 那种。有点想试试用 HOG SVM或者LDA做一个sliding window detector 作为baseline看……
这里有一个CNN cascade做的面部识别，作者采用了他能想到的所有提速方法，成果可以直接跑4k视频做人脸检测，演示在youtube有：
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX