ICCV2013： 简 称UDN算法，从文中描述的检测效果来看，该方法是所有方法中最好的，并且，效果远超过其他方法。经过对论文和该算法源码的研究，该算法是与作者另外一篇 论文的方法 ，另外的论文算法做图片扫描，得到矩形框，然后用该方法对矩形框进行进一步确认，以及降低误警率和漏警率。另外的论文是：Multi-Stage Contextual Deep Learning for Pedestrian Detection 说得难听一点，这篇文章对行人检测没有多大的贡献。仅仅是用深度学习

基于adaboost的正面人脸检测 通过对haar特征的提取来进行训练与识别-face detection by adaboost

由一个3D变形人脸模型取自动生成适应的训练样本。由统计视角，tailored训练数据保证了所有的数据变化且由任意的人脸属性丰富训练样本，例如，年龄或体重。更进一步，它可能自动适应到环境约束，例如，来自于监控摄像机的照明或视角约束。我们使用裁剪的（tailor）图象训练一个新的Viola Jones的adaboost 目标检测框架的多核实现。这个新的实现不仅快速的，而且多特征通道的使用成为可能，例如，在训练期间的颜色特征。在我们实验中，我们训练7个依赖视角的人脸检测子并在Face Detectio