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