在Viola 和 Jones 的论文第 5.6 节中，作者提到他们集成了检测器在扫描图像中的人脸时所做的多个检测。在这种情况下，检测只是一个矩形区域，位于检测器认为存在面部的图像上。积分是重叠矩形区域的简单组合。这很有用，因为检测器可能会在扫描图像时围绕单个人脸产生许多检测。
请注意，许多检测可能不会与其他检测重叠，因此可能有多个集成检测。例如，考虑一个有 2 个面孔的图像，A并且B。还要考虑图像具有区域C并且D与面部非常相似，但不是面部。在这种情况下，检测器可能会产生 3 次人脸A重叠检测、5 次人脸重叠检测B、1 次区域检测C和 10 次区域重叠检测D。考虑到一个区域的检测与另一个区域的检测不重叠，集成过程应该产生一个最终的人脸A检测，另一个人脸检测B，另一个区域检测C以及对 region 的另一个单一检测D。应该向用户显示这 4 个集成检测。
因此，为了整合检测，有必要将它们分成重叠检测的子集。但是我们应该将与子集中已经存在的任何检测重叠的任何检测添加到子集中。对检测列表的简单迭代将表现不佳（Ω（n²））。
那么我的问题是：什么数据结构和算法允许快速集成检测？请务必提供一些关于您所提到的方法的文学证据（例如论文或书籍参考）。