速度提升方面：利用积分图像来提取图像特征值，所以非常快。同时，利用adaboost分类器的特征筛选特性，保留最有用特征，这也减少了检测时的运算复杂度。准确率提升方面：将adaboost分类

引言：上一小节对矩形特征和积分图的相关概念作了简要介绍，然后我们要利用积分图对矩形特征的计算进行人脸检测算法中弱分类器的选取。Haar分类器是一个监督学习分类器。

引言：上一小节对矩形特征和积分图的相关概念作了简要介绍，然后我们要利用积分图对矩形特征的计算进行人脸检测算法中弱分类器的选取。Haar分类器是一个监督学习分类器。

引言Haar分类器又称Viola-Jones识别器，是Viola和Jones分别在2001年的《Rapid Object Detection using a Boosted Cascade of Simple Features》和2004年的《Robust Real-Time Face Detection》提出并改进的。Haar分类器由Haar特征提取、离散强分类器、强分类级联器组成。核心思想是提

1        算法要点Haar分类器=Haar-like特征+积分图方法+AdaBoost+级联；Haar分类器算法的要点如下：a) 

SIFT和SURF的比较（转）(转载：http://blog.csdn.net/jiang1st2010/article/details/6567452) SURF 描述子：第一部分：兴趣点的检测 1、建立积分图

实现这种算法的关键思想是盒式滤波（boxfilter），而且必须是通过积分图来实现的盒式滤波，否则不可能与窗口大小无关，好在OpenCV的boxFilter函数满足这个要求。

实现这种算法的关键思想是盒式滤波（boxfilter），而且必须是通过积分图来实现的盒式滤波，否则不可能与窗口大小无关，好在OpenCV的boxFilter函数满足这个要求。

转载：（本文所有权由原作者所有）http://blog.csdn.net/zhazhiqiang/article/details/18769195http://blog.sina.com.cn/s/blog_679e132901011cph.html***************************************************************************

runtld.cpp源码解析3 tld.cpp源码解析4 LKTracker(重点)5 FerNNClassifier.cpp源码解析（重点）6tld_utils.cpp源码解析方差分类器代码中是通过积分图来计算一个图的灰度值的方差的

PaulViola提出一种利用积分图

8216109最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

积分图是图像中十分常用的方法，最初是在Haar特征的快速计算中学到（参考博文：利用积分图像法快速计算Haar特征），后来发现在均值滤波，二值化等图像处理方法中也十分常见。

选取的特征为矩特征为Haar特征，计算的方法为积分图。（1）Haar特征：   Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。

浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生      人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。      目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø  基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、

Haar特征与积分图1.Adaboost方法的引入1.1Boosting方法的提出和发展       在了解Adaboost方法之前，先了解一下Boosting方法。       

    目前因为做人脸识别的一个小项目，用到了AdaBoost的人脸识别算法，因为在网上找到的所有的AdaBoost的简介都不是很清楚，让我看看头脑发昏，所以在这里打算花费比较长的时间做一个关于AdaBoost算法的详细总结。希望能对以后用AdaBoost的同学有所帮助。而且给出了关于AdaBoost实现的一些代码。因为会导致篇幅太长，所以这里把文章分开了，还请见谅。第二部分的地址请见：http:

一、概念说明1、0度积分图求解图示与计算公式2、-45度积分图求解图示与计算公式 3、+45度积分图求解图示与计算公式二、程序实现1、C程序代码[cpp]viewplaincopyprint?

     最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

申明：本文非笔者原创，原文转载自：http://blog.csdn.net/xiaowei_cqu/article/details/8219324由于Haar特征是矩形中黑色区域所有像素值的和减去白色区域所有像素值的和。在之前（《计算Haar特征个数》）我们看到，24*24的图片中，有115984个特征，远远大于其像素个数。如果计算每个特征的像素和，计算量会非常大，而且很多次运算是重复的。Paul

算法参考三篇论文：最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

算法参考三篇论文：最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

MichaelJ.Jones.RobustReal-TimeFaceDetection[J].InternationalJournalofComputerVision,2004,57(2):137-154.该算法的主要贡献有三：1.提出积分图像

浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生      人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。      目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø  基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、

积分图像（IntegralImage）的概念是由Viola和Jones在文献[1]中提出的。积分图像中任意一点(i,j)的值ii(i,j)为原图像左上角到任意点(i,j)相应对角线区域灰度值总和。

图像分析：SIFT特征解析与编程图像分析：Gabor滤波器解析与编程图像分析：积分图像与代码实现图像分析：LBP特征解析与代码图像分析：分水岭算法解析Blogger：LinJM微博（LinJM-机器视觉

图像分析：SIFT特征解析与编程图像分析：Gabor滤波器解析与编程图像分析：积分图像与代码实现图像分析：LBP特征解析与代码图像分析：分水岭算法解析Blogger：LinJM微博（LinJM-机器视觉

但其速度是SIFT算法的多倍之多（基于hessian的快速计算方法），下面我们就来看看该算法实现的过程：（ps：本文纯属个人理解，如有错误望指正）1、初始化图像：将图像转变成32位单精度单通道图像2、得到图像积分图

 SURF算法是SIFT算法的加速版，opencv的SURF算法在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导，对于它们其他方面的不同可以参考本

|字号Integral计算积分图像voidcvIntegral(constCvArr*image,CvArr*sum,CvArr*sqsum=NULL,CvArr*tilted_sum=NULL);image

SURF算法是SIFT算法的加速版，opencv的SURF算法在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导，对于它们其他方面的不同可以参考本

SURF算法是SIFT算法的加速版，opencv的SURF算法在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导，对于它们其他方面的不同可以参考本

Haar特征与积分图1.Adaboost方法的引入1.1Boosting方法的提出和发展在了解Adaboost方法之前，先了解一下Boosting方法。

Haar特征与积分图1.Adaboost方法的引入1.1Boosting方法的提出和发展       在了解Adaboost方法之前，先了解一下Boosting方法。       

积分通道特征的大致含义是：通过对输入图像进行各种线性和非线性的变换，图像的很多（常用）特征，例如，局部求和，直方图，haar以及它们的变种，可以借助于积分图来快速，高效的计算出来。

最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

2为了能够快速实时有效的检测物体，利用pre-compute理念，形成积分图像的模式。到要用到pixel值的时候，一个矩形框的像素可以通过4次简单的查表得到，在Real-time下非常的实用

浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生      人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。      目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø 基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻

本文转自http://blog.csdn.net/weixingstudio/article/details/7631241目前因为做人脸识别的一个小项目，用到了AdaBoost的人脸识别算法，因为在网上找到的所有的AdaBoost的简介都不是很清楚，让我看看头脑发昏，所以在这里打算花费比较长的时间做一个关于AdaBoost算法的详细总结。希望能对以后用AdaBoost的同学有所帮助。而且给出了关

选取的特征为矩特征为Haar特征，计算的方法为积分图。（1）Haar特征：    Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。

①积分图像的实现 首先在Integral.cpp里面找到Integral()，如下：IplImage*Integral(IplImage*source) { //转换成单通道图像converttheimagetosinglechannel32f

PaulViola提出一种利用积分图像法快速计算Haar特征的方法（《Rapidobjectdetectionusingaboostedcascadeof

PaulViola提出一种利用积分图像法快速计算Haar特征的方法（《Rapidobjectdetectionusingaboostedcascadeof

最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

最早的Haar特征由PapageorgiouC.等提出（《Ageneralframeworkforobjectdetection》），后来PaulViola和MichalJones提出利用积分图像法快速计算

  积分图的概念最早是由Paul Viola等人提出的，并被应用到实时的对象检测框架中。对于一个灰度图像而言，其积分图也是一张图，只不过这个图跟普通的灰度图，彩色图稍有不同。

速度提升的关键，就是使用了积分图。积分图是个好东西，最成熟的Haar特

这篇论文是看到别人写的比较详细，也很通俗易懂，所以转过来，大家一块学习文件来源http://blog.csdn.net/weixingstudio/article/details/7631241 目前因为做人脸识别的一个小项目，用到了AdaBoost的人脸识别算法，因为在网上找到的所有的AdaBoost的简介都不是很清楚，让我看看头脑发昏，所以在这里打算花费比较长的时间做一个关于AdaBoost算

浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间

浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生      人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。      目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø 基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻