本文介绍了OpenCV中使用Haar分类器进行人脸检测的原理，包括Adaboost算法如何构建级联分类器。Haar级联分类器通过一系列弱分类器组合成强分类器，以高效地识别图像中的人脸。`detectMultiScale`函数用于检测人脸，参数如缩放因子、邻居数量等影响检测效果。虽然这种方法适用于人脸，但对于非刚体或形状复杂的物体可能不理想。
Haar分类器是一种监督分类器，这里识别器采用的是Adaboost(针对同一训练集训练不同的弱分类器，然后将这些弱分类器加权集合起来，分类效果好的弱分类器给较高的权重，构成最终的强分类器)，这里将adaboost组织成筛选式的级联分类器，也就是成树形的决策分类，第一层分类器为最优，第二层次之，以此类推。
在这里构成的是两类分类器（人脸和非人脸），且每个节点的正确识别率很高（例如99.9%，不会把人脸丢掉），正确拒绝率很低（接近%50，高的错误接收率）
函数原型：objects = cv2.CascadeClassifier.detectMultiScale(image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]])
参数说明：image 8位无符号图像
scaleFactor 金
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
