opencv - HAAR 分类器说明

Question

我想了解 haar 分类器的工作原理。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以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，检查每个像素，看看它是否可能是您要查找的内容。所以，假设这是对的，我开始看下面的照片，但我不明白。这些 block 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方形区域，其中左半部分通常比右半部分更亮(反之亦然)。对于特征 3a，训练找到中心比周围暗的正方形区域。

你描述的这些特殊特征被选择用于 haar 级联并不是因为它们是特别好的特征，而主要是因为它们是 extremely fast to evaluate .

更具体地说，haar 级联的训练找到了一个最有助于区分正面和负面训练图像的特征(粗略地说，这个特征对正面图像最正确，对负面图像最经常错误) .该功能将是生成的 haar 级联的第一阶段。第二好的特征将是第二阶段，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，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 实际上使用了一个boosted 级联，这意味着每个阶段都包含几个这些简单特征的组合。

原则仍然是:每个阶段 都是一个非常弱的分类器，其本身仅比胡乱猜测强一点点。选择每个阶段的阈值，使漏报的可能性非常低(因此一个阶段几乎永远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 cascade时，所有阶段按顺序执行；只有通过第一和第二和第三...阶段的图片才会被接受。

在训练期间，第一阶段也首先被训练。然后第二阶段仅使用将通过第一阶段的训练图像进行训练，依此类推。