一.简介
OpenCV下的data\haarcascades中有4个haar特征训练的级联分类器：
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml
它们之间的区别如下：
1：haarcascade_frontalface_alt.xml
Stump-based 20x20 gentle adaboost frontal face detector.
2：haarcascade_frontalface_alt2.xml
Tree-based 20x20 gentle adaboost frontal face detector.
3：haarcascade_frontalface_alt_tree.xml
Stump-based 20x20 gentle adaboost frontal face detector.
This detector uses tree of stage classifiers instead of a cascade。（该检测器使用阶段分类器树代替级联）
4：haarcascade_frontalface_default.xml
Stump-based 24x24 discrete(?) adaboost frontal face detector.
二、实例测验
实验原图：科学家大合照（共29人）
（1）模型 haarcascade_frontalface_alt1.xml
运行结果：检测出26人，漏检3人，用时2252ms (不计算加载模型的时间）。
（2）模型 haarcascade_frontalface_alt2.xml
运行结果：检测出27人，漏检2人，用时2494ms (不计算加载模型的时间）。
（3）模型 haarcascade_frontalface_alt_tree.xml
运行结果：检测出13人，漏检16人，用时1924ms (不计算加载模型的时间）。
（4）模型 haarcascade_frontalface_default.xml
运行结果：检测出29人，漏检1人，误检测1人，用时2407ms (不计算加载模型的时间）。
将本实验的图片又换成其他人物图片，经过不同人脸图片的多次实验，发现每个模型的性能不一，需根据每次的具体情况加以选择使用。同时，正确率和误检率也与检测时设置的参数有关，例如缩放因子、最小\大检测尺寸等，需根据每次的具体情况设置合适的参数来使用。
------------------------------------------- END -------------------------------------
参考：
OpenCV中4个人脸级联分类器 https://blog.csdn.net/linj_m/article/details/14523299