opencv - HAAR 分类器说明

Question

我试图了解 haar 分类器是如何工作的。我在这里阅读opencv文档：http: //docs.opencv.org/modules/objdetect/doc/cascade_classification.html，看起来你基本上训练了一组数据来获得类似模板的东西。然后将模板放在要检查的实际图像上，然后检查每个像素以查看它是否可能是您要查找的内容。所以，假设这是正确的，我站起来看下面的照片，我不明白。这些块是否应该代表“可能”和“不太可能”的区域？提前致谢

Answer 1

这些模式是为您的训练图像评估的特征。例如，对于特征 1a，训练过程会在所有训练图像中找到正方形区域，其中左半边通常比右半边亮（反之亦然）。对于特征 3a，训练会找到中心比周围更暗的方形区域。

您描述的这些特定特征被选择用于 haar 级联不是因为它们是特别好的特征，而是主要是因为它们的评估速度非常快。

更具体地说，haar 级联的训练会找到最有助于区分正面和负面训练图像的一个特征（大致上，该特征对于正面图像最常见，而对于负面图像最常见错误）。该功能将是由此产生的 haar 级联的第一阶段。第二好的功能将是第二阶段，依此类推。

训练后，haar 级联由一系列规则或阶段组成，如下所示：

• 评估区域 (x1;y1)-(x2;y2) 的特征 1a。结果是否大于阈值 z1？
  （意思是：该区域的左半部分是否比右半部分亮一定量？）
  
  • 如果是，则返回“不匹配”
  • 如果否，执行下一阶段

在经典的 haar 级联中，每个这样的规则，仅涉及具有单个阈值的单个位置的单个特征，代表级联的一个阶段。OpenCV 实际上使用了增强的级联，这意味着每个阶段都由这些简单特征中的几个组合而成。

原则仍然存在：每个阶段都是一个非常弱的分类器，其本身仅比疯狂猜测好一点。选择每个阶段的阈值以使假阴性的机会非常低（因此一个阶段几乎不会错误地拒绝一个好的匹配，但会经常错误地接受一个坏的匹配）。

执行haar级联时，所有stage按顺序执行；只有通过第一、第二和第三阶段的图片才会被接受。

在训练期间，第一阶段也被首先训练。然后仅使用将通过第一阶段的训练图像训练第二阶段，依此类推。