本书在前面章节已经介绍了6种人脸检测算法及两款商业软件，分别是DPM、LAEO、CNN Facial Point Detection、Viola&Jones、DDFD和Fast R-CNN，以及VeriLook和Face++。为了解这些算法的检测效果，本书进行了大规模的测试实验。该大规模测试的算法有4个，分别是DPM、LAEO、CNN Facial Point Detection和Viola&Jones，不包括DDFD，因为DDFD噪声太多。大规模测试的数据集有4个，两个公开的数据集LFW和FDDB；两个自己收集的数据集Wanwan1（100张图片，每张图片都是人的侧脸）、Wanwan2（100张图片，每张图片都是360°人脸）。关于这4个数据集的介绍，请参考本书第1章的内容。
每个算法分别在这4个数据集上进行测试，大规模测试结束后，统计每个算法在各个数据集上检测后的TP和FP数量。TP即True Positive，表示已检测到的并且是人脸的图片数量；FP即False Positive，表示已检测到的但不是人脸的图片数量。图8-15所示为某个算法的检测结果，该图片检测结果的TP=1，FP=1。
图8-15 某个算法的检测结果
表8-1中统计了每个数据集上人脸的数量，以及每个算法在该数据集上检测到的TP数量和FP数量。
表8-1 人脸检测结果对比
根据表8-1，我们可以计算出每个算法在各个数据集上的检测率和检错率。表8-2统计了各个算法在4个数据集上检测完成所需的时间，以及在各个数据集上的检测率。表8-3统计了每个算法在各个数据集上的检错率。
例如，DPM在LFW数据集上的检测率为：534/601×100%=88.85%，DPM在LFW数据集上的检错率为：61/601×100%=10.15%。
表8-2 各算法的检测率及运行时间
表8-3 各算法的检错率汇总
注：由于LFW数据集中有13 233张图片，FDDB数据集中有28 736张图片，图片数量太多，在统计检测数量和检错数量时，本书只统计了LFW和FDDB数据集中的前500张图片。运行时间仍然是4个数据集全部运行完成所花费的时间。
综合表8-2和表8-3可知，DPM在各个数据集上的检测率都是最高的，但是它的检错率也比较高，并且运行时间太长。所以，DPM的优势为：适合各种角度的人脸检测，如正脸、侧脸、360°人脸；缺点为：运行时间长，是CNN Facial Point Detection的64倍。
CNN Facial Point Detection在数据集LFW、FDDB和Wanwan1上的检测率仅比DPM低一点，但它的检错率几乎为0，并且运行时间最短，2个小时就能检测完将近5万张图片。所以，CNN Facial Point Detection的优势为：检测时间短，对于正脸和侧脸检测效果好，错检率几乎为0；缺点是：不适合检测360°人脸。
Viola&Jones在LFW和FDDB数据集上检测率一般，但在Wanwan1和Wanwan2数据集上检测率非常低。Viola&Jones检测时间非常短，和CNN Facial Point Detection不相上下。所以，Viola&Jones的优点为：适合检测正脸，检测时间短，检错率也较低；缺点是：不适合检测侧脸和360°人脸。
LAEO在各个数据集上的检测率都比DPM低，并且运行时间长，是CCN Facial Point Detection运行时间的61倍，和DPM的运行时间不相上下。所以，LAEO的优点是：可以检测各个角度的人脸；缺点是：运行时间长，和其他算法相比，检测率低。