积分通道特征（Integral Channel Features）（我写的（文章的部分内容））

积分通道特征四大优点：

1. 集成不同种类的特征（信息）

2. 只需要很少的参数设置 & 对参数精确与否不敏感

3. 探测过程中，对空间的定位很精确

4. 与级联分类器（cascade classifiers）协同工作时速度很快

p.s. 级联分类器：多个分类器链接在一起，多层树分类器（V-J）。特征：高检测率，低拒绝率。

注：高检测率低拒绝率 会导致在一个结点上人脸99.9%几率通过，但非人脸50%通过率，也没关系，因为假设有20个结点，则人脸的总识别率为0.999^20=98%，而非人脸的错误接受率仅为0.5^20=0.0001%，因此，若图像区域通过全部级联，则认为里边有要识别的物体。

图像检测器的表现是由两方面决定的：1、学习算法 2、特征表现

实验结构：

首先，使用多样化的图像通道对输入图片进行线性或非线性计算。

然后，从每个计算了本地长方形区域的总和（sums over local rectangular regions）的通道上提取特征。

通道种类：

灰度图是最简单的一种图像通道。

线性过滤器：一种直接的捕获一张图片的不同细节的方法，一张图片能通过这种方法找出很多不同细节（Gabor filters）,一张图也也可以通过通道分出多个不同规模（scale）图片（清晰度不同）（Difference of Gaussian filters）。线性探测器是一种简单有效的方法。

不想写了。转个大腿写的吧。