最早的haar特徵由papageorgiou c.等提出（《a general framework for object detection》），後來paul viola和michal jones提出利用積分影象法快速計算haar特徵的方法（《rapid object detection using a boosted cascade of ****** features》）。之後，rainer lienhart 和 jochen maydt用對角特徵對haar特徵庫進行了擴充套件（《an extended set of haar-like features for rapid object detection》）。opencv的haar分類器就是基於擴充套件後的特徵庫實現的。
haar特徵本身並不複雜，就是用圖中黑色矩形所有畫素值的和減去白色矩形所有畫素值的和。
其中，對於45°的rotated特徵（如1(c)和1(d)），w，h表示如下圖所示：
其計算公式為：
***中沒有說明，個人認為此處除了z，xy值也有變化：
首先有兩點要清楚：
1、對於某特定大小的特徵，在視窗內滑動計算。
也就是如圖1（a）特徵大小為2*1，對於24*24的影象。水平可滑動23步，垂直滑動24步，所以共有23*24個特徵。
2、對於乙個特徵，特徵本身沿水平、豎直方向分別縮放。
還看特徵1（a），特徵大小為2*1，則延水平方向可放大為：4*1，6*1，8*1，…，24*1；豎直方向可放大為：2*1，2*2，2*3，…，2*24。即每個特徵有xy種放大方式。（！放大的矩形特徵並限制保持2:1的比例！）
清楚這兩點，就很容易寫出計算特徵個數的**：
[cpp]view plain
copy
intgethaarcount(
intw,
inth,
intw,
inth)
對於45°特徵，由於rainer lienhart定義的w，h與原矩陣含義不同（參見第一幅圖），即實際滑動的矩陣框為(h+w)*(w+h)。
所以只要用如下方式呼叫原函式：
可以看到和**用公式計算得到的值是一致的~
特徵個數雖然很大，但很有規律，不用程式用筆也很容易推出遞推公式。
如1(a)和1(b)特徵遞推為：(12^2)*(1+2+...+24)=43,200
具體參見此貼：re: [opencv] re: number of haar features
OpenCV 計算Haar特徵個數
最早的haar特徵由papageorgiou c.等提出 a general framework for object detection 後來paul viola和michal jones提出利用積分影象法快速計算haar特徵的方法 rapid object detection using a b...
1 Haar特徵的特點及計算
1.haar特徵 最早的haar特徵由papageorgiouc.等提出 a general framework for object detection 後來paulviola和michal jones提出利用積分影象法快速計算haar特徵的方法 rapid object detection us...
opencv筆記 8 Haar特徵
haar特徵由邊緣特徵 線性特徵 中心特徵和對角線特徵組合成特徵模板。特徵模板中有白色和黑色兩種矩形，模板的特徵值則為白色矩形畫素減去黑色矩形畫素之和。haar特徵反應了影象灰度變化的情況。對於圖中a,b,d這類特徵v sum 白 sum 黑 而對於c來說則v sum 白 2 sum 黑 積分圖就是...