【VJ算法】Haar 特征 + integral image 积分图

---

1、Haar特征 与 Haar特征提取模板

定义
Haar 特征提取算法 是一种图像特征提取算法。
基于不同目标，使用不同特征提取模版，提取到的 Haar 特征分为：
（1）边缘特征
（2）线性特征
（3）中心特征和对角线特征，组合成的特征

Haar特征 由 原图 与 Haar特征提取模板 计算得出。

Haar特征提取模版：可以理解为卷积模板 (如同prewitt、sobel算子，当然不完全一样)。其有如下几种（包括水平、垂直、斜45度）：

计算得出的Haar特征有如下三类（由 Haar特征提取模板 决定）：
（1）边缘特征
（2）线性特征
（3）中心特征和对角线特征，组合成的特征

---

2、Harr特征的计算方式

将Harr特征提取模版作为窗口，在原图像上滑窗
Harr特征值 = 黑色区域中的像素和 - 白色区域中的像素和

举例如下：

---

3、Haar特征 的使用

Haar特征值反映了图像的灰度变化情况。这种矩形特征只对一些简单的图形结构较敏感（如边缘、线段），所以只能描述特定走向（水平、垂直、对角）的结构。

Haar特征多用于人脸检测、行人检测。

---

4、opencv 中的 haar特征的使用

OpenCV（2.4.11版本）所使用的共计14种Haar特征，包括：

• 5种Basic特征
• 3种Core特征
• 6种Titled(即45°旋转)特征

在使用opencv自带的训练工具进行训练时，haarFeatureParams参数中的mode参数正对应了训练过程中所使用的特征集合:

1. 如果mode为BASIC，则只使用BASIC的5种Haar特征进行训练，训练出的分类器也只包含这5种特征。
2. 如果mode为CORE，则使用BASIC的5种Haar特征 + CORE的3种Haar特征 进行训练。
3. 如果mode为ALL，则使用BASICA的5种Haar特征 + CORE的3种Haar特征 + ALL的6种TitledHaar特征 共14种特征进行训练。

默认使用BASIC模式，实际训练和检测效果已经足够好。不建议使用ALL参数，引入Titled倾斜特征需要多计算一张倾斜积分图，会极大的降低训练和检测速度。

---

5、积分图

在第2部分 介绍了特征图的计算方式。按照那种计算方式，计算每个窗口的特征值，都需要计算：

• 黑色区域像素和
• 白色区域像素和
• 黑白两部分的差值

这样计算量会比较大。如果使用积分图会大大减小我们的计算量。

1）什么是积分图？

积分图是一张与原图像尺寸相同的图。 积分图中每个像素点（x, y）的值是 原图像中从（0, 0）点到 相同位置的点（x, y）间的所有像素和。如下图：

2）使用积分图快速求区域像素和

原图中区域D 的像素和，可使用积分图如下公式计算得出

3）使用积分图快速的计算Haar特征