我知道类似 haar 的特征的一般概念，以及如何使用积分图像计算形状。
但是我的问题是，在定义形状并计算积分图像之后如何获得特征。
意思是，我是否将形状应用于每个可能的位置（类似于高斯滤波器）？ 积分图像是否平铺并在每个平铺上计算形状？ 还是图像中形状的位置是固定的并且必须预先定义？
在那之后，分类器训练的具体特征是什么？例如。如果图像是平铺的，新的“图像”（将所有图块组合成一个矢量）是特征还是每个图块本身都是特征？
我发现的所有内容都只是说“将其插入代码库 XY”。
【问题讨论】：
标签： computer-vision haar-classifier
haar-like 特征算法的特征是位于选定窗口中的单个形状。 因此，每个特征都是二进制值的，并且包括特征的“形状”及其在检测窗口中的相对位置。
通过选择许多子窗口来处理图像。然后目标是尽快丢弃任何不代表所需对象的子窗口。 这是通过将上述功能应用于每个子窗口来完成的。从这个特征集中学习一个分类器。
在 Viola-Jones 检测框架的情况下，使用了一个分类器链，其中第一个分类器使用较少的特征，因此计算速度更快。 如果链中的分类器丢弃子窗口，则停止对该窗口的进一步计算。
可以在here 找到 Paul Viola 和 Michael Jones 的论文。 Sri-Kaushik Pavani、David Delgado 和 Alejandro F. Frangi 以 Haar-like features with optimally weighted rectangles for rapid object detection 的名义发表了另一篇关于 haar 样特征检测的有用论文。
【讨论】：