還有一種比較典型的結構是樹形的級聯結構，從形狀上來看其和金字塔式的級聯結構是一樣的，也是從上往下分類器的數目逐層增多，區別就在于樹形的級聯結構中沒有同一層分類器之間的橫向連接，只有相鄰層分類器之間的縱向連接，即一個窗口在同一層上不會由多個分類器進行分類，而會直接被送往下一層或者被排除。樹形級聯結構通過引入分支跳轉機制，進一步減少了對一個窗口進行分類所需要的計算量，不過同時也帶來了新的問題，分支跳轉通常根據姿態估計（估計旋轉角度的范圍）的結果來進行，而如果姿態估計出現錯誤，就會出現某個姿態的人臉窗口被送給另一個姿態人臉對應的分類器進行分類的情況，容易導致錯誤的分類。為了緩解這一問題，出現了允許多個分支同時跳轉的設計，從而降低了由于跳轉錯誤而引起分類錯誤的風險。
分治策略是處理多姿態人臉檢測任務最基本的策略，但要同時兼顧速度和分類準確度并不是一件容易的事情，分類能力的增強不可避免地會帶來計算代價的增大，如何用更小的計算代價來換取更高的分類準確度，這仍然是一個需要去思考和探索的問題。
人臉檢測器的比拼
在不斷對人臉檢測器進行改進的過程中，有一個問題是不容忽視的：如何科學地比較兩個人臉檢測器的優劣？簡單地說，出一套考題讓所有的檢測器進行一場考試，誰得分高誰就更好。對于人臉檢測器而言，所謂考題（測試集）就是一個圖像集合，通常其中每張圖像上都包含至少一張人臉，并且這些人臉的位置和大小都已經標注好。關于得分，需要考慮檢測器兩方面的表現，一是檢測率，也即對人臉的召回率，檢測出來的人臉占總人臉的比例——測試集中一共標注了100張人臉，檢測器檢測出其中70張人臉，則檢測率為70%；二是誤檢（也稱為虛警）數目，即檢測器檢測出來的人臉中出現錯誤（實際上不是人臉）的數目——檢測器一共檢測出80張人臉，然而其中有10個錯誤，只有70個是真正的人臉，那么誤檢數目就是10。在這兩個指標上，我們所希望的總是檢測率盡可能高，而誤檢數目盡可能少，但這兩個目標之間一般是存在沖突的；在極端的情況下，如果一張臉也沒有檢測出來，那么誤檢數目為0，但是檢測率也為0，而如果把所有的窗口都判別為人臉窗口，那么檢測率為100%，而誤檢數目也達到了最大。在比較兩個檢測器的時候，我們通常固定一個指標，然后對比另一個指標，要么看相同誤檢數目時誰的檢測率高，要么看相同檢測率時誰的誤檢少。
對于每一個檢測出的人臉，檢測器都會給出這個檢測結果的得分（或者說信度），那么如果人為地引入一個閾值來對檢測結果進行篩選（只保留得分大于閾值得檢測結果），那么隨著這個閾值的變化，最終得檢測結果也會不同，因而其對應得檢測率和誤檢數目通常也會不同。通過變換閾值，我們就能夠得到多組檢測率和誤檢數目的值，由此我們可以在平面直角坐標系中畫出一條曲線來：以x坐標表示誤檢數目，以y坐標表示檢測率，這樣畫出來的曲線稱之為ROC曲線（不同地方中文譯法不一，如接收機曲線、接收者操作特征曲線等，這里直接采用英文簡寫）。ROC曲線提供了一種非常直觀的比較不同人臉檢測器的方式，得到了廣泛的使用。
評測人臉檢測器時還有一個重要的問題：怎么根據對人臉的標注和檢測結果來判斷某張人臉是否被檢測到了？一般來說，檢測器給出的檢測框（即人臉窗口）不會和標注的人臉邊框完全一致，而且對人臉的標注也不一定是矩形，例如還可能是橢圓形；因此當給定了一個檢測框和一個標注框時，我們還需要一個指標來界定檢測框是否和標注框相匹配，這個指標就是交并比：兩者交集（重疊部分）所覆蓋的面積占兩者并集所覆蓋面積的比例，一般情況下，當檢測框和標注框的交并比大于0.5時，我們認為這個檢測框是一個正確檢測的人臉。
在早期的人臉檢測工作中，一般采用MIT-CMU人臉檢測數據集作為人臉檢測器的測試集，來比較不同的檢測器。這個測試集只包含幾百張帶有人臉的圖像，并且人臉主要是清晰且不帶遮擋的正面人臉，因而是一個相對簡單的測試集，現在幾乎已經不再使用。在2010年，美國麻省大學的一個實驗室推出了一個新的人臉檢測評測數據集：FDDB，這個集合共包含2845張帶有人臉的互聯網新聞圖像，一共標注了5171張人臉，其中的人臉在姿態、表情、光照、清晰度、分辨率、遮擋程度等各個方面都存在非常大的多樣性，貼近真實的應用場景，因而是一個非常具有挑戰性的測試集。FDDB的推出激發人們在人臉檢測任務上的研究熱情，極大地促進了人臉檢測技術的發展，在此后的幾年間，新的人臉檢測方法不斷涌現，檢測器在FDDB上的表現穩步提高。從100個誤檢時的檢測率來看，從最初VJ人臉檢測器的30%，發展到現在已經超過了90%——這意味著檢測器每檢測出50張人臉才會產生一個誤檢，這其中的進步是非常驚人的，而檢測器之間的比拼還在繼續。