AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程

上一篇连接：http://blog.csdn.net/weixingstudio/article/details/7631241

 

1. 弱分类器

在确定了训练子窗口中的矩形特征数量和特征值后，需要对每一个特征f ，训练一个弱分类器h(x,f,p,O) 。

在CSDN里编辑公式太困难了，所以这里和公式有关的都用截图了。

特别说明：在前期准备训练样本的时候，需要将样本归一化和灰度化到20*20的大小，这样每个样本的都是灰度图像并且样本的大小一致，保证了每一个Haar特征（描述的是特征的位置）都在每一个样本中出现。

2. 训练强分类器

在训练强分类器中，T表示的是强分类器中包含的弱分类器的个数。当然，如果是采用级联分类器，这里的强分类器中的弱分类器的个数可能会比较少，多个强分类器在级联起来。

在c(2)步骤中，“每个特征f”指的是在20*20大小的训练样本中所有的可能出现的矩形特征，大概要有80,000中，所有的这些都要进行计算。也就是要计算80,000个左右的弱分类器，在选择性能好的分类器。

训练强分类器的步骤如图：

3. 再次介绍弱分类器以