整理Rapid object detection using a boosted cascade of simple features论文中的要点
使用haar特征:在24*24像素的框内有180000以上不同的haar特征(怎么算的???):终于知道怎么算的了:http://blog.csdn.net/xiaowei_cqu/article/details/8216109(其实就是讲的论文An extended set of Haar-like features for rapid object detection)
使用积分图加速计算haar:道理简单
使用adaboost选取特征(怎么选的):
强分类器的诞生需要T轮的迭代,具体操作如下:
1. 给定训练样本集S,共N个样本,其中X和Y分别对应于正样本和负样本; T为训练的最大循环次数;
2. 初始化样本权重为1/N ,即为训练样本的初始概率分布;
3. 第一次迭代训练N个样本,得到第一个最优弱分类器,步骤见2.2.2节
4. 提高上一轮中被误判的样本的权重;
5. 将新的样本和上次本分错的样本放在一起进行新一轮的训练。
6. 循环执行4-5步骤,T轮后得到T个最优弱分类器
(http://www.cnblogs.com/ello/archiv