如何计算Viola Jones算法中的特征缩放？

Question

我对如何计算Viola Jones算法中的特征缩放感到困惑。例如，在王一清的"An Analysis of the Viola-Jones Face Detection Algorithm"中，他提出了以下特征类型“a”：

1. 将原始要素支持大小设置为←2wh
2. i＆lt; -Jie / 24K，j＆lt; -Jje / 24K，h＆lt; -Jhe / 24K其中JzK定义最接近的整数z∈R+
3. w＆lt; - max {κ∈N：κ≤J1+ 2we / 24K /2,2K≤e - j + 1}
4. 计算[i，i + h - 1]×[j，j + w - 1]
中像素的总和S1
5. 计算[i，i + h - 1]×[j + w，j + 2w - 1]
中像素的和S2
6. 返回缩放的特征（（S1-S2）a）/ 2wh

在这种情况下，我不明白如何计算“w”（第3行）。你知道另一种计算特征尺度的方法吗？

另一方面，我们知道强分类器具有弱分类器，极性和阈值。弱分类器取决于特征。当我们缩放特征时，其阈值是否有任何变化？