opencv 基于haar特征的级联分类器实现图象识别原理

暑假的时候做了一个智能机械臂，用到了opencv里的级联分类器，这里写一下我的理解

级联分类器上手简单，同时Haar特征支持一些特殊图形的检测，例如人脸，我训练的是一个纯色模型，效果并不好，不建议用该种方法识别一些颜色梯度变化不明显的物体

（1）haar特征   

图片展示了最基本的几类haar特征，每种其实都有相应的变式，图中黑：白等于1：1，

 这种也是一种haar特征。

每个haar特征都对应一个特征值，相当于对图像以某点展开一个矩形对图像进行卷积操作（haar特征中的黑只是表达与白相反体现的是一种色差变化）

对于一个haar特征 j 求其特征值的操作为 

f(j)= 白色像素和 *白色像素权重 - 黑色像素和 * 黑色像素权重

因为一个haar 特征里黑色像素与白色像素数量不一定相等所以要成一个权重

，再次说明一下黑色像素在原图中不一定为黑，而在这个点上的特征值让他表现为黑色一方而已

求特征值的操作类似与一个卷积操作。

特征值产生的数据非常巨大，opencv里介绍了一种一种归一化操作

 这里是我引用资料上的不多叙述，是为了让数据小一些

（2）积分图

 如图对于一个图片其haar特征数量是巨大的，仅左上角一个点都可以产生大量haar特征计算矩阵（可放缩）

满足(s, t)条件的矩形称为条件矩形：

(1) x 方向边长必须能被自然数 s 整除（能均等分成 s 段&#