39_基于Haar特征和adaboost人脸识别

#什么是Haar特征 ？
特征= 像素 运算 》结果 （矩阵 数值 向量 多维）
#Haar特征 白色 - 黑色
#如何利用特征 区分目标 阈值判决
#如何判决？ 机器学习
#权值1 =1 权值2 =-2

整个区域权值 1+黑色权值2

#haar特征 image size 100100 模板size 1010 步长step10 共需100次
#模板 滑动 缩放 1010 1111 20级
#举例 1080720
#step 2 模板1010
#14模板 * 20缩放 （1080/2720/2）* （100±运算）= 50-100亿
#视频帧》15 》》》运算量 1000亿
#》》》积分图运算
#A左上1 B右上+左上1 2 C左上+左下1 3 D四个区域和1 2 3 4
#4 = A-B-C+D
#特征=（p1-p2-p3+p4)w
#haar + adaboost = face
#举例 苹果 苹果 苹果 香蕉
# 0.1 0.1 0.1 0.5
#训练终止条件 1for count 2 p
#1 分类器的结构 2 adaboost 计算过程 3 xml文件结构
#分类器 结构
#3个强分类器 1x1 t1 2 x2 t2 3 x3 t3
#x1>t1 and x2>t2 and x3>t3>>>目标苹果
#作用：判决目标
#弱分类器 ：计算强分类器特征x1 x2 x3
#强分类器2下三个弱分类器x2 =sum（y1，y2，y3）
#弱分类器特征
#node
#3个haar》node()
#node haar1>nodet1 z1=a1
#node haar1<nodet1 z1=a2
#z=sum(z1,z2,z3)>T y1=AA
#z=sum(z1,z2,z3)<T y1=BB
#adaboost分类器
#1 初始化权值
#苹果 苹果 苹果  香蕉
#0.1   0.1  0.1   0.1（必须相同）
#2遍历  判决  阈值  误差概率p
#3 G权重
#更新权值
#苹果  苹果  苹果  香蕉
#0.2   0.2   0.2   0.7