阿里技術導讀：Shape Detection API 的發布已經有一些時日，其主要提供的能力是給予前端直接可用的特征檢測接口（包括條形碼、人臉、文本檢測）。本文將簡單對其進行介紹，對前端進行人臉檢測進行普適性的講解。

　　1 背景與場景

　　人臉檢測（Face Detection）算是老生常談的課題了，在諸多行業應用廣泛，例如金融、安防、電子商務、智能手機、娛樂圖片等行業。其中涉及的技術也在不斷的演變，下面簡要介紹幾種思路：

　　a. 基于特征的人臉檢測

　　例如opencv中內置了基于Viola-Jones目標檢測框架的Harr分類器，只需要載入一個配置文件（haarcascade_frontalface_alt.xml）就能直接調用detectObject去完成檢測過程，同時也支持其他特征的檢測（如鼻子、嘴巴等）。

　　b. 基于學習的人臉檢測

　　其實也是需要通過算子提取圖像中的局部特征，通過對其進行分類、統計、回歸等方式得到的具備更精確和快響應的分類器。

　　2 套路集錦

　　2.1 后端處理

　　前端通過網絡將資源傳輸到后端，后端統一處理需要檢測的圖像或視頻流，對后端的架構有一定的挑戰，同時網絡的延時往往不能給用戶帶來實時的交互效果。

　　2.2 客戶端處理

　　得益于OpenCV在跨語言和跨平臺的優勢，客戶端也能以較低的開發成本提供人臉檢測的能力，并且可以通過JsBridge等方式向web容器提供服務，然而一旦脫離這個容器，孤立的頁面將失去這種能力。直到有一天……

　　2.3 開放服務

　　不知道從啥時候開始，云計算等概念拔地而起，計算的成本日益降低。各大研發團隊（如阿里云、Face++）都蠢蠢欲動又不緊不慢上架了人臉檢測服務，甚至還帶上了各種特！殊！服！務！人臉識別、活體識別、證件OCR及人臉對比等等等。