Haar-like特征提取原理_python基于haar-like特征的人脸检测

Kh=hIhwin

K

h

=

h

I

h

w

i

n

K_{h}=\frac{h_{I}}{h_{win}}

其中

wI

w

I

w_{I}和

hI

h

I

h_{I}是整个图像的宽高，

wwin

w

w

i

n

w_{win}和

hwin

h

w

i

n

h_{win}是haar窗口的初始宽高，可以放大的倍数为

Kw⋅Kh

K

w

⋅

K

h

K_{w}\cdot K_{h}。

Haar-like特征提取过程就是利用上面定义的窗口在图像中滑动，滑动到一个位置的时候，将窗口覆盖住的区域中的白色位置对应的像素值的和减去黑色位置对应的像素值的和，得到的一个数值就是haar特征中一个维度。

其中对于窗口C，黑色区域的像素值加和要乘以2，2是为了像素点个数相同而增加的权重。

---

扩展haar特征

在基本的四个haar特征基础上，文章《An extended set of Haar-like features for rapid object detection》对其做了扩展，将原来的4个扩展为14个。这些扩展特征主要增加了旋转性，能够提取到更丰富的边缘信息。