采用haar小波实现二维图像的分解与重构（à trous算法）-Two-dimensional image using haar wavelet decomposition and reconstruction (trous algorithm)

通过Adaboost算法和Haar特征来构建人脸分类器，对多人脸图片进行检测，流程是用分类效果较弱的Haar特征构造弱分类器，再通过Adaboost算法对大量人脸样本和非人脸样本进行训练，将大量弱分类器中训练得到若干强分类器，将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，级联结构能有效地提高分类器的检测速度，最终得到一个人脸分类器的模型。再输入一张多人脸图片，用分类器对不同尺寸的多人脸图片进行多尺度检测，相当于一种滑动窗口机制，在图片上提取Haar特征，由于在一个图像窗口中会提取出大量的矩形特征区域，每次遍历矩形区域会造成大量重复计算，浪费时间，所以使用积分图方法来简化计算，经过多尺度检测后，会在同一尺度下留下多个候选框，还要对多个候选框进行合并去重。

小波变换方面的，haar小波变换在图像压缩上面的应用的matlab编程.

压缩文件包含人脸检测的源代码与软件包，可直接在Matlab环境X64电脑运行，无需安装OpenCV。 由于在Matlab环境下采用了高性能的OpenCV的人脸检测代码，在算法的执行效率与检测精度上远高于于Matlab环境下典型的人脸检测代码。 可直接运行face_detection.m获得多尺度多目标人脸检测结果，输出结果为图像中人脸的外接矩形坐标。 若有任何问题请留言，谢谢支持！

标记的数据集，用于训练Haar级联 目的-快速搜索图像中的鸟类。 在RPi3上，在640x480分辨率下高达20 fps。 例子： 视频 多重识别 使用 下载经过培训的级联的。 用它初始化CascadeClassifier。 cascade = cv2 . CascadeClassifier ( 'cascade_226.xml' ) 级联创建 1.抽样 opencv_createsamples -vec traning.vec -info positive\desc.txt -bg neg_desc.txt -w 24 -h 24 2.培训 opencv_traincascade -data cascade -vec traning.vec -bg negative/desc.txt -numPos 180 -numNeg 60 -numStages 30 -fea

opencv车辆检测的分类器 python，原名为myhaar.xml。由于本人写博客，需要链接相应的分器，又懒得去搜别人的，所以自己长传。

今天小编就为大家分享一篇python 计算积分图和haar特征的实例代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

比较完整的OpenCV 基于haar的分类器。 可以通过OpenCV快速识别人脸、眼睛、嘴唇等。 haarcascade_frontalcatface.xml haarcascade_fullbody.xml haarcascade_smile.xml haarcascade_eye.xml 相关Python源码可参考 以下链接 https://shumeipai.nxez.com/2018/03/09/real-time-face-recognition-an-end-to-end-project-with-raspberry-pi.html

基于Haar小波变换和KNN算法的DSP人脸识别源码，环境为用C5509A的DSP芯片

【图像识别】基于 Haar分类器实现五官定位matlab源码含 GUI.md