本文介绍了Haar-like特征的概念及其在计算机视觉中的应用，特别是人脸检测。Haar-like特征利用矩形模板描述图像的灰度变化，通过积分图加速计算。AdaBoost算法用于挑选对分类最有效的特征，训练决策树桩，形成最终的人脸分类器。文章还简述了AdaBoost的工作原理和决策树在人脸识别中的作用。
Haar-like特征来龙去脉
声明：引用请注明出处http://blog.csdn.net/lg1259156776/
haar-like特征概念
haar-like特征是是计算机视觉领域一种常用的特征描述算子。它最早是由Papageorigiou等人用于人脸描述。目前常用的Haar-like特征可以分为三类：线性特征、边缘特征、点特征（中心特征）、对角线特征。如下图所示
Haar特征（Haar-like features） 是用于物体识别的一种数字图像特征。它们因为与Haar小波转换极为相似而得名，是第一种实时的人脸检测算子。
haar-like特征的特点
Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构&#
订阅专栏 解锁全文
6985
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
