python-计算机视觉-OpenCV-人脸特征提取

Goal

我们将看到使用基于Haar特征的级联分类器进行人脸检测的基础。

我们将扩展眼睛检测和笑容特征提取等。

Haar基础 

使用基于Haar特征的级联分类器进行目标检测是Paul Viola和Michael Jones在2001年的论文《使用简单特征的增强级联快速目标检测》中提出的一种有效的目标检测方法。它是一种基于机器学习的方法，从大量的正面和负面图像中训练级联函数。然后，它被用来检测其他图像中的对象。

这里我们将研究人脸检测。该算法首先需要大量的正面图像(人脸图像)和负面图像(没有人脸的图像)来训练分类器。然后我们需要从中提取特征。为此，使用如下图所示的haar特性。它们就像卷积核。每个特征都是一个单一的值，由白色矩形下的像素和减去黑色矩形下的像素和得到。

 现在，每个内核的所有可能大小和位置都被用来计算大量的特性。(想象一下它需要多少计算量?即使是一个24x24的窗口也有超过16万个功能)。对于每一个特征的计算，