haar特徵人臉檢測的4個步驟：
提取人臉的haar-like特徵
每個haar-like特徵使用類似cart的二分類決策樹判別區域是否為人臉【兩類：人臉 | 非人臉】，每個haar-like特徵經過判別訓練得到判別閾值構成多個最優弱分類器（且挑選了最優的haar-like特徵）
多個弱分類器級聯構成強分類器【此步實際是在進行多個弱分類投票進行二分類的過程】
級聯多個強分類器進行人臉檢測與分類
弱分類器指的是效果比盲猜好的分類器haar特徵是指把影象劃分成多個長方形區域，對這些長方形區域計算畫素值的總和，並比較與此長方形區域的其他鄰接長方形區域畫素總和的差異，並把差異值做為haar-like的特徵值
haar-like特徵最初有三種型別每個弱分類器只包含乙個haar-like特徵，經過分類訓練的每個haar特徵會獲得乙個閾值，（只有提取的該haar特徵值大於閾值，才會判定為人臉）haar 後來新增的幾個模式
在提取haar-like特徵的時候，我們利用不同尺寸的不同模式的haar-like特徵對影象進行提取，這就導致提取到大量的特徵，且這些特徵之間幾乎沒有相關性，所以我們需要確定對分類最有用的特徵
對分類最有用的特徵：拿人臉舉例來說，額頭的區域總是比眼睛區域亮很多，鼻樑總是比兩邊的眼睛部分亮很多。因為這些特點的存在，當我們拿下圖所示的兩種模式提取haar特徵，能得到最大的haar特徵值
更多模式用於提取人臉特徵
注：決策樹的功能是選擇最優分類特徵，並分類，只是對於弱分類器來說，分類只是簡單的區分是不是人臉構造乙個最優弱分類器（此部分只會簡述cart決策樹的做法）比如構造haar_like特徵f1作為弱分類器的閾值，會計算每個樣本的f1特徵值，然後對所有樣本的f1特徵值進行排序，然後按順序依次選擇每個樣本的f1特徵值作為分類閾值，最後比較按照每個樣本閾值進行分類的分類誤差，選擇分類誤差最小的作為最終該弱分類器閾值
強分類器的生成：1.初始化所有樣本權重為1/n （n為樣本總數）2.迭代訓練n個樣本得到第乙個最優分類器
3. 如果是非首次的弱分類器，接收了上一弱分類器的把負樣本錯分為正樣本的樣本進行訓練，那在被訓練前，該類樣本會被提高權重，然後和被正確分類為正樣本的樣本一起被用來訓練本次的弱分類器
4.將被本次的弱分類器分類為正樣本的樣本集送入下一弱分類器，迴圈3，4，直至得到t個最優弱分類器
5.組合t個最優弱分類器得到強分類器
訓練好的強分類器的分類是由多個最優弱分類器共同決定的，多個最優弱分類器在進行投票時具有不同的投票權重，最終按權重加和得到分類結果對於訓練乙個強分類器最重要的一點，就是當某個分類器判別出該區域或該影象無目標（無人臉），就不進行下一步的分類，直接判定為無目標（無人臉）
如下圖假定有三個haar-like特徵（f1，f2，f3）
對多個訓練好的強分類器進行級聯，對人臉進行檢測。每個強分類器在檢測過程按照順序被稱作stage，stage1表示第乙個強分類器，下圖展示強分類器訓練的過程，其中false-postive表示原來是負樣本被錯分為正樣本。
如何進行檢測
haar人臉檢測採用固定影象大小，採用不同尺度的滑動視窗依次滑動整張影象進行檢測
人臉檢測步驟
1.選取當前滑動視窗對應的影象區域進行檢測和分類，把對應的區域放入第乙個強分類器，只要強分類器的任意弱分類器判別此區域不含人臉，就結束檢測，並滑動視窗至下一區域。若第乙個強分類器判別出該部分含有人臉，就會送入下一強分類器進行再檢測和分類，【此後的過程和第乙個強分類器，檢測為無人臉即滑動檢測下一區域，若檢測為有人臉，則傳至下一強分類器判別為有人臉】，如果最後乙個強分類器判別為有人臉，則以視窗作為整張的人臉檢測框。
2.從小到大，嘗試不同尺寸的滑動視窗進行檢測，並都進行步驟1.
此部分參考haar cascade
推薦閱讀
人臉識別之人臉檢測
人臉識別分為人臉檢測 人臉預處理 蒐集和學習人臉以及人臉識別四個部分，此部分將人臉檢測。本文基於opencv進行的。在opencv中常用的人臉檢測器有基於lbp的特徵檢測 基於haar的特徵檢測，兩者的區別 前者比後者快好幾倍且不需要許可協議，但很多haar檢測器需要許可協議。基於haar的臉部檢測...
樹莓派之人臉檢測
樹莓派的基礎知識和教程，可參考知乎使用者 張子豪的系列教程。或者直接通過其github 配套食用，效果更佳。其內容包括 以上內容，保證新手使用者能夠基礎使用樹莓派。用樹莓派實現人臉檢測，需要在樹莓派上安裝opencv。在此基礎上通過 python，實現人臉檢測。1.opencv的安裝 安裝教程 親測...
人臉特徵點檢測
參考 face alignment by explicit shape regression。演算法的實現原始碼在裡的explicitshaperegression.cpp裡面。下面貼上乙個檢測結果 人臉特徵點有不少應用，比如可以對齊人臉，或者做人臉變形。在人臉資料庫裡挑選了一些人臉，對齊它們，求出...
