Gesichtserkennung hat in den letzten Jahrzehnten seit der wegweisenden Arbeit von Viola und Jones viel Aufmerksamkeit erhalten. Obwohl viele nachfolgende Arbeiten die Ergebnisse durch leistungsfähigere Lernalgorithmen verbessert haben, kann die für die Gesichtserkennung verwendete Merkmalsrepräsentation das Anforderungsprofil zur effektiven und effizienten Verarbeitung von Gesichtern mit großer Erscheinungsvarianz im Freien immer noch nicht erfüllen. Um diese Engstelle zu lösen, übertragen wir das Konzept der Kanalmerkmale auf den Bereich der Gesichtserkennung. Dies erweitert den Bildkanal auf verschiedene Arten wie Gradientenbetrag und orientierte Gradientenhistogramme und kodiert somit reichhaltige Informationen in einfacher Form. Wir verwenden eine neuartige Variante namens aggregierte Kanalmerkmale (aggregate channel features), untersuchen die Merkmalsdesigns gründlich und entdecken eine mehrskalige Version der Merkmale mit besserer Leistung. Um Haltungen von Gesichtern im Freien zu behandeln, schlagen wir einen mehransichtsbasierten Erkennungsansatz vor, der Scorerankings und Erkennungsanpassungen beinhaltet. Indem wir die Lernpipelines des Viola-Jones-Frameworks beibehalten, zeigt der mehransichtsbasierte Gesichtserkennungsdetektor, der aggregierte Kanalmerkmale verwendet, eine wettbewerbsfähige Leistung gegenüber den neuesten Algorithmen in den Testdatensätzen AFW und FDDB und läuft bei 42 FPS auf VGA-Bildern.