本文主要向大家介绍了机器学习入门之【人脸检测——基于机器学习2】Haar特性，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

1.什么是Haar特征 
Haar特征是一种反映人脸灰度差异的矩形特征，因其与Haar小波类似而得名。 
2.什么是Haar小波 
Haar小波： 
定义 

其波形图为 

由图2.1可以看出，Haar小波可以看作二值分类问题，如同Haar矩阵特征非黑即白，故Haar矩阵特征又称为类Haar特征。 
3.Haar特征 
Haar特征也称为矩形特征，它是由两个或多个形状大小相同的矩阵组合而成。常用的Haar特征如下图所示： 

 
4.Haar特征值计算中中引入积分图 
Haar特征的特征值可以表示为： 

表示所选Haar特征中黑、白矩形的总个数，表示每种类型的矩形对应的权值，表示矩形区域内像素值的和。 
虽然，Haar特征模板数量仅有十几种，但是它任意变换一个位置或大小就能被定义为一个新的特征，所以Haar特征的总数目非常巨大。然而，对于数目庞大的特征计算特征值时都要分别计算每个矩形区域内的像素总和，显然是极其费时的，直接影响检测速度。因而引入积分图 
5.具体计算步骤 
a.首先对于原图像完成积分图像的计算转换 
b.对于积分图像，任何矩形区域的灰度值之和仅仅与四个定点的值有关.（https://www.cnblogs.com/gfgwxw/p/9415218.html） 


然后通过即可求得Haar特征值。 
由此可见，利用积分图计算Haar特征值时，只与该特征的各顶点在积分图中相对于顶点的值有关，因此只需扫描输入原图一遍得到积分图就可计算任何一个特征值，大大减少特征值计算的时间。 

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！