本文详细解析了计算Haar特征个数的公式，特别是对于满足特定条件的矩形，如何在不同尺寸的子窗口中定位这些矩形。通过对m×m像素分辨率检测器的分析，给出了满足条件的矩形数量的计算方法，最终得出Haar特征个数的表达式：X.Y.(W+1-w(X+1)/2).(H+1-h(Y+1)/2)，其中X=W/w，Y=H/h，W,H，w，h分别为矩形特征原型的长、宽。"
111104542,10131462,Arduino IDE与STM32 HAL库编程指南,"['嵌入式开发', 'Arduino', 'STM32开发', 'HAL库编程', '串口编程']
Haar特征个数为：X.Y.(W+1-w(X+1)/2).(H+1-h(Y+1)/2)
特征模板可以在子窗口内以“任意”尺寸“任意”放置，每一种形态称为一个特征。找出子窗口所有特征，是进行弱分类训练的基础。
以mxm像素分辨率的检测器为例，其内部存在的满足特定条件的所有矩形的总数可以这样计算：
对于m×m子窗口，我们只需要确定了矩形左上顶点A(x1，Y1)和右下顶点B(x2，y2)，即可以确定一个矩形；
如果这个矩形还必须满足下面两个条件(称为s,t)条件，满足(s,t)条件的矩形称为条件矩形)：
(2)y方向边长必须能被自然数t整除(能均等分成t段)；
则， 这个矩形的最小尺寸为SXt或txs， 最大尺寸为【m/s]·sx[m/t]·t或[m/s]·tx[m/s].s;其中[]为向下取整运算符。
我们通过下面两步就可以定位一个满足条件的矩形
1658
3710
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
