这篇文章的主要贡献：
1.提出了一种新的级联的CNN模型进行人脸检测和定位，并设计了轻量级CNN结构提高实时性能；
2.提出了一种有效的在线硬样本挖掘方法来提高性能；
3.进行了大量的实验证明了方法的有效性。
这篇文章的主要思路如图所示：
首先将图片重新调整成各种尺寸，建立图像金字塔，作为网络的输入，以适应不同大小的人脸进行检测。
然后，经过P-Net网络，将特征输入三个卷积层以后，通过一个人脸分类器判断该区域是否是人脸，同时使用边框回归和面部关键点定位器来进行人脸区域的初步检测，该网络最终将输出很多张可能存在人脸的人脸区域。
R-Net网络，基本构造也是卷积神经网络，相对于P-Net，增加了一个全连接层，对于输入数据的筛选会更加严格，将P-Net生成的许多预测窗口送入R-Net，会过滤到效果比较差的候选框，最后对选定的候选框进行候选框回归和NMS进一步优化结果。
O-Net是输出网络，基本结构是一个比R-Net多一个卷积层的卷积神经网络，O-Net多了这一层卷积层会通过更多的监督来识别面部的区域（因为网络输入的特征更多，更大的256全连接层，保留了更多的图像特征），而且会对人的面部特征点进行回归，最终输出五个人脸面部特征点。
