级联分类

级联分类器包括两个：训练和检测；
这里主要是介绍检测部分；

关于CascadeClassifier的简介：

CascadeClassifier是opencv下objdetect模块中用来做目标检测的级联分类器的一个类；简而言之是滑动窗口机制+级联分类器的方式；早期opencv版本仅支持haar特征的目标检测，分别在opencv2.2和2.4之后开始支持LBP和HOG特征的目标检测。

Haar特征：
类Haar-like特征描述如下图：

在所有缩放尺度下，这些特征组成了boosting分类器使用的全部“原材料”。他们从原始灰度图像的积分图中快速计算得出。

LBP特征：
LBP是一种描述图像局部纹理特征的算子，被用于Viola-Jones检测器，回想Haar小波，它是在一小块邻域上通过小波变换的特征向量，而LBP在构造特征向量与此不同，在一个长宽都为3的倍数的矩形上，将它分割成不相重叠的3*3的小块，在每一个小块上，用积分图计算像素和，然后将中心点像素与周围8个像素点比较得到一个8位的特征值，用来描述相应矩形的特征。
HOG特征：
局部归一化的梯度方向直方图，是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。
本质：统计图像局部区域的梯度方向信息来作为该局部图像区域的表征。

解读CascadeClassifier源代码：

打开:opencvXXX/include/opencv2/objdetect.hpp: