如何用Python和cv2库实现基于Harr Adaboost的人脸识别功能？

本文共计995个文字，预计阅读时间需要4分钟。

使用Haar特征和哈特特征进行检测窗口中指定位置的相邻矩形，计算每个矩形的像素和并求差值。然后，用这些差值对图像的子区域进行分类。Haar特征模板包括：以第一个Haar特征为基准。

Haar特征

哈尔特征使用检测窗口中指定位置的相邻矩形，计算每一个矩形的像素和并取其差值。然后用这些差值来对图像的子区域进行分类。

haar特征模板有以下几种：

以第一个haar特征模板为例

计算方式

1.特征 = 白色 - 黑色(用白色区域的像素之和减去黑色区域的象征之和)

2.特征 = 整个区域 * 权重 + 黑色 * 权重

使用haar模板处理图像

从图像的起点开始，利用haar模板从左往右遍历，从上往下遍历，并设置步长，同时考虑图像大小和模板大小的信息

假如我们现在有一个 1080 * 720 大小的图像，10*10 的haar模板,并且步长为2，那么我我们所需要的的计算量为: (1080 / 2 * 720 / 2) * 100 * 模板数量 * 缩放 约等于50-100亿，计算量太大。