لقد أثار اكتشاف الوجه اهتمامًا كبيرًا في العقود الأخيرة منذ العمل الرائد الذي قام به فيولا وجونز. رغم أن العديد من الدراسات اللاحقة قد تحسنت بفضل خوارزميات التعلم الأكثر قوة، فإن تمثيل الميزات المستخدم لاكتشاف الوجه لا يزال غير قادر على التعامل بكفاءة وفعالية مع الاختلاف الكبير في مظهر الوجوه في البيئات الطبيعية. لحل هذه العقبة، نستعير مفهوم الميزات القنوات إلى مجال اكتشاف الوجه، مما يوسع قناة الصورة إلى أنواع متنوعة مثل حجم التدرج والتدرجات الموجهة والجداول التكرارية (histograms)، وبالتالي يقوم بتشفير معلومات غنية بطريقة بسيطة. نعتمد نوعًا جديدًا من الميزات القنوات يُعرف بالميزات القنوات المتراكمة، ونقوم باستكشاف شامل لتصميم الميزات، ونجد أن الإصدار متعدد المقاييس من هذه الميزات يتمتع بأداء أفضل. للتعامل مع وضعيات الوجوه في البيئات الطبيعية، نقترح نهجًا متعدد الآراء لاكتشاف الوجوه يتضمن إعادة تصنيف النقاط وتعديل الكشف. بالاستمرار في خطوط التعلم في إطار فيولا-جونز، يظهر الكاشف متعدد الآراء للوجوه باستخدام الميزات القنوات المتراكمة أداءً تنافسيًا مقابل الخوارزميات الأكثر تقدمًا على مجموعة اختبار AFW ومجموعة اختبار FDDB، بينما يعمل بمعدل 42 إطارًا في الثانية على صور VGA.