基于OpenCV Haar实战级联分类器的使用

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

近年来，对象检测引起了广泛的关注。从智能手机到交通监控，目标检测已遍及每个领域。时间和准确性是对象检测中的关键约束。目标检测算法的成功取决于其特征表示技术和学习算法，后者仅关注图像的关键部分。在本文中，我们将研究一种技术“使用简单特征的增强级联进行快速对象检测”，在OpenCV级联分类器中使用以及研究级联分类器功能的用法。

图像表示技术

图像由像素组成，像素操作成本很高。因此，我们需要更好的图像表示。

1.两个矩形特征：

甲二矩形特征计算两个矩形区域内的像素的总和之间的差。这些区域具有相同的大小和形状，并且在水平或垂直方向上相邻。上图中的A和B是示例。

2.三个矩形特征：

甲三矩形特征计算在一个中心的矩形从总和中减去2米外面的矩形内的总和。上图中的C是三边形特征类型。

3.四个矩形特征：

一个四矩形特征计算对角对矩形之间的区别。上图中的D是示例。

位置x，y