其实这就是boosting由简单弱分类拼装强分类器的过程，现在看起来很low，但是这个算法第一次使目标检测成为现实！
OpenCV有对级联分类器的经典实现：https://docs.opencv.org/2.4.11/modules/objdetect/doc/cascade_classification.html?highlight=haar
至于使用的特征，Haar简单也够用了，LBP实在是没必要去扒了。。。
至于HoG/ACF，下面说。
HoG+SVMHistograms of oriented gradients for human detection，2005，CVPR
由于原始的Haar特征太简单，只适合做刚性物体检测，无法检测行人等非刚性目标，所以又提出了HOG+SVM结构。
在OpenCV中也有实现：https://docs.opencv.org/2.4.11/modules/gpu/doc/object_detection.html?highlight=hog
之后又有人魔改出LoG/DoG/RoG等一系列特征，没啥意思就不多说了。
值得一提的是，有人把SVM中的HoG改为Integral HoG，用于级联分类器。这也就是目前OpenCV级联分类器的积分HOG的原型：
Integral Histogram: A Fast Way to Extract Histograms in Cartesian Spaces
后续又有人发展出了Aggregate Channel Feature(ACF)等特征，论文主要是下面2个：
Aggregate Channel Features for Multi-view Face Detection，2014，IJCB
Fast Feature Pyramids for Object Detection，2014，PAMI
亮点就是这个Fast，加速了Integral HoG的计算，效果好而且快，依然活跃在嵌入式领域。
Discriminatively trained deformable part model