HAAR分类器澄清

Question

我试图了解haar分类器的工作原理。我在这里阅读opencv文档：http://docs.opencv.org/modules/objdetect/doc/cascade_classification.html看起来你基本上训练了一组数据来获得类似模板的东西。然后将模板放在要检查的实际图像上，然后检查每个像素以查看它是否可能是您要查找的内容。所以，假设这是正确的，我已经到了我正在看下面的照片，我不明白。块是否应该代表＆＃34;可能＆＃34;的区域？并且＆＃34;不太可能＆＃34;？提前致谢

Answer 1

这些模式是为您的训练图像评估的功能。例如，对于特征1a，训练过程在所有训练图像中找到方形区域，其中左半部分通常比右半部分更亮（反之亦然）。对于特征3a，训练找到中心比周围更暗的方形区域。

您描绘的这些特定功能是为haar级联选择的，不是因为它们是特别好的功能，而主要是因为它们是extremely fast to evaluate。

更具体地说，一个haar级联的训练发现了一个有助于区分你的正面和负面训练图像的特征，（大致上对于正面图像最常见的特征，对于负面图像最常见的是假的） 。该功能将是由此产生的haar级联的第一阶段。第二个最好的功能是第二个阶段，依此类推。

训练结束后，haar级联包含一系列规则或阶段，如下所示：

• 评估区域（x1; y1） - （x2; y2）的特征1a。结果是否大于阈值z1？
  （意思是：该区域的左半部分比右半部分明亮一些吗？）
  
  • 如果是，请返回＆＃39;不匹配＆＃39;
  • 如果不是，请执行下一阶段

在经典的haar级联中，每个此类规则仅涉及具有单个阈值的单个位置的单个特征，表示级联的阶段。 OpenCV实际上使用提升级联，这意味着每个阶段都包含多个这些简单功能的组合。

原则仍然存在：每个阶段都是一个非常弱的分类器，它本身只比野性猜测好一点。选择每个阶段的阈值，以便假阴性的可能性非常低（因此，一个阶段几乎从不会错误地拒绝一个好的匹配，但是经常会错误地接受错误的匹配）。

当执行haar级联时，所有阶段都按顺序执行;只接受通过第一个和第二个和第三个......阶段的图片。

在训练期间，首先训练第一阶段。然后第二阶段只训练通过第一阶段的训练图像，依此类推。