目的在于研发一种图像中多个人脸检测的方法，使用多个训练完成的神经网络模型对待检测图像中的人脸进行检测，准确而快速的检测到图像中的人脸。
基于深度学习算法的人脸检测与识别技术、人脸特征提取与表示方法、多目标跟踪与关联分析等。通过这些技术手段，可以提升安全防护、公共场所安全管理、智慧城市等领域的智能化水平。
高精度与实时性并存：未来的多个人脸检测技术将更加注重在复杂场景下的高精度识别与实时处理能力。通过深度学习算法的优化，如卷积神经网络（CNN）的进一步改进，实现即使在人群密集、光线变化大、遮挡物多的情况下，也能快速准确地检测并定位多个人脸。
多角度与姿态适应性：预期将开发出能够处理各种人脸角度和姿态的检测方法。这不仅包括正面人脸，还涵盖侧面、仰头、低头等多种非正面姿态，以及面部表情变化，从而极大提升检测技术的全面性和鲁棒性。
跨年龄与跨种族识别：随着算法的不断进步，多个人脸检测技术将更加注重跨年龄和跨种族的识别能力。这意味着技术能够跨越年龄差距和种族差异，准确识别出不同年龄段和种族特征的人脸，进一步拓宽应用场景。