【CV系列】图像算法之八：特征提取算法之Haar

目录

一、AdaBoost算法原理

二、Haar特征

　2.1 特征模板

　2.2 特征的个数

   2.3 特征计算方法——积分图

三、选取弱分类器

四、级联成强分类器

五、检测

六、OpenCV算法实现

---

 

一、AdaBoost算法原理

    AdaBoost算法是一种迭代的算法，对于一组训练集，通过改变其中每个样本的分布概率，而得到不同的训练集Si，对于每一个Si进行训练从而得到一个弱分类器Hi，再将这些若分类器根据不同的权值组合起来，就得到了强分类器。
　第一次的时候，每个样本都是均匀分布，通过训练得到分类器H0，在该训练集中，分类正确的，就降低其分布概率；分类错误的，就提高其分布概率，这样得到的新的训练集S1就主要是针对不太好分类的样本了。再使用S1进行训练，得到分类器H1，依次迭代下去……，设迭代此外为T，则得到T个分类器。
　　对于每个分类器的权值，其分类准确性越高，权值越高。

二、Haar特征

　2.1 特征模板

　　就是一些矩形特征的模板，在viola&Jones的论文中，有下面这四种：