Adaboost+Haar

1.Boosting算法

弱分类器：如果一个分类器的正确率仅仅比随机猜测好一点，称之为若分类器

强分类器：如果一个分类器的正确率显著比随机猜测好，称之为强分类器

事实证明：只要数据足够多，可以将弱分类器通过集成的方式提升到任意精度，这就是Boosting算法

2.adaboost算法

（1）Adaboost是一种基于级联分类器的分类器。级联分类器是将多个强分类器连接在一起的操作。强分类器一般由10到20个若分类器组成。

级联分类器在初期就抛弃了许多负样本，所以速度非常快。而且，极大地减少了输出伪证（false positive）的可能。

（2）Adaboost还是一种迭代算法。初始时，所有的样本都有相同的权重，形成一个弱分类器。每次迭代之后都将分类错误的样本的权重提高，依次迭代最终形成强分类器。

3.Haar特征

特征值=白色区域像素和减去黑色区域像素和。比如，眼镜区域的像素和要比脸颊区域的像素和少。

4.积分图

A（x,y）处的积分值等于所有左上角像素的和

5.弱分类器

训练弱分类器就是在当前权重分布的情况下，确定特征值f的最优阈值，使得这个弱分类器对所有训练样本的分类误差最低。