我已经阅读了原版的Viola Jones文章，Wikipedia文章，openCV手册以及这些SO答案：
How does the Viola-Jones face detection method work?
Defining an (initial) set of Haar Like Features
我正在尝试在原始文章中实现我自己版本的两个探测器（Adaboost-200-features版本和最终的级联版本），但我的理解中缺少某些东西，特别是24 x 24探测器适用于整个图像和（可能）其子图像（可能）不同的尺度。根据我的理解，在检测期间：
（1）图像积分计算两次，对于图像方差归一化，一次一次，一次平方：
可以使用a快速计算图像子窗口的方差 一对整体图像。
（2）将24 x 24平方的探测器以1像素的步长移过标准化图像，确定每个方格是否是面（或不同的对象）：
最终探测器以多种比例扫描图像 位置。
（3）然后将图像缩小到1.25，我们回到（1）
这样做12次，直到图像矩形的较小边长为24像素（原始图像中的288除以（1.25 ^（12 - 1））刚刚超过24）：
以12个刻度扫描384×288像素的图像，每个刻度为1.25倍 比上一个大。
但是我在文章中看到了这句话：
通过缩放探测器本身来实现缩放 比缩放图像。这个过程因为功能而有意义 可以以相同的成本进行任何规模的评估。检测很好 结果是使用尺度得到的 相隔1.25。
我在维基百科文章中看到了这句话：
我们不是缩放图像本身（例如金字塔滤镜），而是缩放特征。
我不知道到底发生了什么。如何缩放24 x 24探测器？在该区域计算的整套特征（无论是200个特征版本还是~6K级联版本）都是基于最初探索这个24 x 24矩形的162K可能特征。为什么我认为金字塔范式仍然适用于这种算法？
上述算法应该改变什么？它是缩放的图像还是24 x 24探测器，如果它是探测器，它是如何完成的？