opencv 29.Haar特征

一般用法为：
基于Haar特征Adaboost人脸检测级联分类，称haar分类器。

目前只介绍下Haar特征和积分图，其他的还未深入。

1.Haar特征

  什么是特征，特征就是分类器的输入。

  把它放在以下的情景中来描写叙述，如果在人脸检測时我们须要有这么一个子窗体在待检測的图片窗体中不断的移位滑动，子窗体每到一个位置，就会计算出该区域的特征，然后用我们训练好的级联分类器对该特征进行筛选，一旦该特征通过了全部强分类器的筛选。则判定该区域为人脸。

  那么这个特征怎样表示呢？好了。这就是大牛们干的好事了。后人称这他们搞出来的这些东西叫Haar-Like特征。

基础的haar特征例如以下：

改进的Haar特征：

这些所谓的特征不就是一堆堆带条纹的矩形么，究竟是干什么用的？将上面的随意一个矩形放到人脸区域上，然后。将白色区域的像素和减去黑色区域的像素和。得到的值我们暂且称之为人脸特征值。假设你把这个矩形放到一个非人脸区域。那么计算出的特征值应该和人脸特征值是不一样的，并且越不一样越好，所以这些方块的目的就是把人脸特征量化，以区分人脸和非人脸。

由于要计算像素和，为了加快计算便引入了积分图的方式。

2.积分图

积分图的具体意思在SIFT和SURF里讲过了，下面说下几种不常规的区域积分图计算

对于a、c图所看到的的haar特征。计算公式例如以下：



当中，SAT即为积分图中的值，RecSum即为(x,y)处的长宽为(w,h)的区域的和。

有了RecSum后，就能够计算haar特征了。

相似的，b，d图所看到的的haar特征计算公式例如以下：

参考博客：
http://www.cnblogs.com/bhlsheji/p/4726376.html
https://blog.youkuaiyun.com/xizero00/article/details/46929261
https://blog.youkuaiyun.com/zachary_co/article/details/78811605