本稿では、任意の姿勢変動や隠蔽を含む自由な条件下での顔検出における課題に対処する方法を提案します。まず、実験心理学のウェーバー比に着想を得て、2つの画素値間の差と和の比率として計算される新しい画像特徴量である正規化ピクセル差（Normalized Pixel Difference: NPD）を提案します。この新しい特徴量はスケール不変であり、有界であり、元の画像を再構築することができます。次に、複雑な顔多様体を学習したルールによって分割できるように、最適なNPD特徴量の部分集合とその組み合わせを学習する深層二次木を提案します。これにより、自由な条件下での顔検出を行うために単一のソフトカスケード分類器のみが必要となります。さらに、NPD特徴量が効率的にルックアップテーブルから取得できること、検出テンプレートが容易にスケーリングできることを示し、提案された顔検出器が非常に高速であることを確認しています。3つの公開顔データセット（FDDB, GENKI, およびCMU-MIT）に対する実験結果は、提案手法が任意の姿勢変動や隠蔽を伴う混雑したシーンにおいて自由な条件下での顔検出において最先端の性能を達成していることを示しています。