opencv实践之人脸识别

                                                                                 人脸检测

1.haar特征

haar特征是一种用于目标检测或者识别的图像特征，通常和Adaboost分类器组合使用。（Adaboost分类器通过从大量的haar特征中挑选出最优的特征并对其转换为对应的弱分类器进行分类）

1）常见的haar特征：

2）haar特征的计算：

用白色区域的像素的和减去黑色区域像素值的和。

注意：白色区域的权值为正值，黑色区域的权值为负值，而且权值与矩形区域的面积成反比，抵消两种区域不等造成的影响。

3）公式计算：

 3）积分图

积分图用于快速计算haar矩阵的特征，在算法复杂度上只需遍历图像一次。

定义：图像由一系列的像素点组成。图像积分图中每个点的值是原图像中该点左上角的所有像素值之和。

首先计算左上角区域像素的和，得到积分图像。 

通过下列公式得到图像中任意矩形区域的像素和 

 4）特征总数的计算。

 参考：特征提取之——Haar特征 https://blog.csdn.net/yang6464158/article/details/25103703

2.级联分类器

1）弱级联分类器

 2）Adaboost 是一种这类迭代算法本质就是经过多次训练不同的弱分类器，使其最终形成一个强分类器。

参考：Adaboost入门教程——最通俗易懂的原理介绍（图文实例）https://blog.csdn.net/px_528/article/details/72963977

算法流程：

问题：

参考文献:

百度文库：https://wenku.baidu.com/view/5237989ace2f0066f5332272.html