YUAN1125的专栏

3. 积分图 3.1 积分图的概念 在获取了矩形特征后，要计算矩形特征的值。Viola等人提出了利用积分图求特征值的方法。积分图的概念可用图3表示： 坐标A(x,y)的积分图是其左上角的所有像素之和（图中的阴影部分）。定义为：      其中ii(x,y)表示积分图，i(x,y)表示原始图像，对于彩色图像，是此点的颜色值；对于灰度图像，是其灰度值，范围为0~255。

3. 再次介绍弱分类器以及为什么可以使用Haar特征进行分类 对于本算法中的矩形特征来说，弱分类器的特征值f(x)就是矩形特征的特征值。由于在训练的时候，选择的训练样本集的尺寸等于检测子窗口的尺寸，检测子窗口的尺寸决定了矩形特征的数量，所以训练样本集中的每个样本的特征相同且数量相同，而且一个特征对一个样本有一个固定的特征值。   对于理想的像素值随机分布的图像来说，同一个矩形特征

二、Adaboost算法及分析 　　从图1.1中，我们可以看到adaboost的一个详细的算法过程。Adaboost是一种比较有特点的算法，可以总结如下： 　　1）每次迭代改变的是样本的分布，而不是重复采样（re weight) 　　2）样本分布的改变取决于样本是否被正确分类 　　总是分类正确的样本权值低 　　总是分类错误的样本权值高（通常是边界附近的样本）