Haar-feature 的阈值是通过 Viola-Jones 在他们的论文中描述的唯一方法计算的吗？答案

【问题标题】：Is the threshold of Haar-feature is calculated by the only way, Viola-Jones described in their paper?Haar-feature 的阈值是通过 Viola-Jones 在他们的论文中描述的唯一方法计算的吗？
【发布时间】：2013-10-09 22:19:58
【问题描述】：

我正在实施 Viola-Jones 人脸检测算法，但对 haar 特征阈值有点困惑。我正在使用跟随计算 haar-feature 的阈值。步骤：

a) 计算同一位置的所有正（人脸）图像中的 haar-feature 值。 b) 获取介于最小特征值和平均特征值之间的所有特征值得到列表，MinToAvg = [] c) 对于 MinToAvg 中的每个值，对数据（正和负）进行分类并获得 pos 的数量。图像（Pos.）它分类为面部和误报数（FP）。 d) 特征值被认为是特定特征的阈值我得到最大值（Pos-FP）。

对于每一轮提升，Haar 特征的阈值保持不变，相反，Viola-Jones 论文中讨论的 Haar 特征的阈值随着每一轮提升而变化。

我的问题是： 1）我在计算 Haar 特征阈值的方法是否正确？ 2) 每轮提升的门槛需要改变吗？

我正在使用 Python。

谢谢！

【问题讨论】：

看来您与 Viola 和 Jones 所做的事情相差甚远。你能澄清你的问题吗？很难理解你的意思。
哦，您可能正在寻找的内容在 Freund 和 Schapire 的书“Boosting: Foundations and Algorithms”的第 3.4.2 节中有详细介绍。顺便说一句，您目前可以在亚马逊上预览本书的部分内容。
仔细阅读 Viola 和 Jones 的“鲁棒实时人脸检测”第 3.1 节可能会给您一些启示。此外，您可能会发现阅读“Fast Asymmetric Learning for Cascade Face Detection”第 4.2 节很有用。
@Ramiro：我的做法与 Viola-Jones 相同，但阈值计算不同。在“鲁棒实时人脸检测”第 3.1 节中描述的 Viola-Jones 中，Haar 特征的阈值是在每一轮提升中计算的，而我是在提升开始之前计算每个 haar 特征的阈值。对于每个强分类器，这只是一次。每一轮提升对 haar 特征使用相同的阈值。
从您在问题中所写的内容来看，您所做的似乎与 Viola 和 Jones 为设置弱分类器阈值所做的完全不同。我不确定，所以我请你澄清你的解释。像 Viola 和 Jones 的工作中使用的决策树桩在每一轮都设置了阈值，因为训练数据的权重在每一轮提升中都会发生变化。这样一来，您的最佳弱分类器阈值也可能与前几轮有很大不同。你当然可以为每个分类器设置一个固定的阈值，但我敢打赌它的性能会很差。

标签： threshold adaboost haar-wavelet viola-jones

【解决方案1】：

@Ramiro,user2766019：我对你之前的评论有一个疑问。训练权重如何影响阈值？阈值不是仅使用每个训练样本的特征值确定的，然后通过以下公式计算每个特征值的误差吗：

e = MIN((S+) + (T-) - (S-), (S-) + (T+) - (S+))

我的意思是弱分类器（单个特征）的阈值，用于计算错误，作为错误分类样本的权重之和。我是对的还是我在某个地方弄错了？谢谢。

【讨论】：