经典论文阅读笔记——Feature篇（下）

7.《Robust Real-time Face Detection》(IJCV 2004)

这篇文章重点并不在特征上而是Adaboost的应用，但基于它的名气也放在这里吧，在深度学习没火起来之前应该算是最最常用的人脸检测算法了。

核心思路如下：

1. 求取图像积分图（快速计算）；
2. 采用Adaboost算法选择特征：每一次迭代选择一个最优Haar特征（弱分类器），多次迭代的Haar特征进行组合（强分类器）；
3. 通过预设的检测率、误识率等参数进行多次2步骤，将强分类器级联；
4. 滑窗方法检测，多尺度通过对图像大小进行尺度变换得到。
   

值得注意的地方：

1. Haar特征非常适用于Adaboost这类型的组合算法，因为一张图的Haar特征非常非常多
2. 将多种特征进行组合的算法，如Boosting, Bootstrap这类都属于框架算法，里面具体的特征可以任意使用
3. Adaboost算法目的是获得强分类器，而将强分类器进行级联，可以在保证检测率的基础上降低误识率（单个分类器很难做到如此精确）
4. 积分图思想很是常用，图像中需要重复多次计算的都能用积分图加速（个人感觉和动态规划里的Memoization思想类似）

非常经典的一篇人脸检测论文，但是感觉并不是非常好懂，尤其是中间很大篇幅第一次看感觉都是云里雾里的，逻辑关系不大好弄清楚。不过网上解析的博客什么的很多，对理解很有帮助的。