我知道类似哈尔特征的一般概念以及如何使用积分图像计算形状。
然而我的问题是，在定义形状并计算积分图像后如何获得该特征。
意思是，我是否在每个可能的位置应用形状（类似于高斯滤波器）？ 是否平铺了整体图像，并在每个图块上计算形状？ 或者图像中的形状位置是固定的，必须预先定义？
之后，分类器的特征到底是什么？例如。如果图像是平铺的，那么新的“图像”（将所有图块组合到矢量）是否会成为特征，还是每个图块都会成为一个特征？
我发现的一切只是说'将其插入代码库XY'。
答案 0 :(得分：0)
类似哈尔的特征算法的特征是位于所选窗口中的单个形状。 因此，每个要素都是二进制值，包括要素的“形状”及其在检测窗口中的相对位置。
通过选择许多子窗口来处理图像。然后，目标是尽快丢弃任何不代表所需对象的子窗口。 这是通过将上述特征应用于每个子窗口来实现的。从该特征集中学习分类器。
在Viola-Jones检测框架的情况下，使用一系列分类器，其中第一个分类器使用较少的特征，因此计算速度更快。 如果链中的分类器丢弃子窗口，则停止进一步计算该窗口。
保罗·维奥拉和迈克尔·琼斯的论文可以找到here。关于类似哈尔特征检测的另一篇有用的论文由Sri-Kaushik Pavani，David Delgado和Alejandro F. Frangi以Haar-like features with optimally weighted rectangles for rapid object detection的名义出版。