花老湿学习OpenCV：Harr特征

引言：

Haar-like特征多用于人脸检测、行人检测，等目标检测；Haar-like特征可以理解为卷积模板(如同prewitt、sobel算子，当然不完全一样)，Haar-like特征模板内只有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

Haar-like特征可以分为四类：线性特征、边缘特征、点特征（中心特征）、对角线特征；

也可以分成三类：边缘特征、线性特征(包含对角线特征)、点特征（中心特征）； 

 

基本haar特征         

最原始的Haar-like特征在2002年的《A general framework for object detection》提出，它定义了四个基本特征结构，如下A，B，C，D所示，可以将它们理解成为一个窗口，这个窗口将在图像中做步长为1的滑动，最终遍历整个图像。 

 

扩展haar特征

在基本的四个haar特征基础上，文章《An extended set of Haar-like features for rapid object detection》对其做了扩展，将原来的4个扩展为14个。这些扩展特征主要增加了旋转性，能够提取到更丰富的边缘信息。

 

积分图计算 

积分图与Haar联系到一起是因为一篇文章《Rapid object detection using a boosted cascade of simple features》，它使用积分图的方法快速计算Haar特征，如图所示：

 Harr特征个数

Haar特征个数应该是以每一种窗口（窗口按照比例放大）滑动遍历整个图像所产生的特征个数的和，Haar特征个数的公式：

其中：W * H为图像大小，w * h为窗口初始大小，X=[W/w],Y=[H/h]表示窗口在水平和垂直方向能够放大的最大比例系数。