OpenCV之_HaarTraining算法剖析

OpenCV之_HaarTraining算法剖析 通过前段时间阅读OpenCV的HaarTraining代码，基本掌握了HaarTraining算法。现将其中的算法作一梳理，同时对HaarTraining的使用方法做一简要说明。 HaarTraining算法总体上以Friedman, J. H等人的“Additive Logistic Regression: a Statistical View of Boosting”为出发点，实现了其中2类分类问题的4种Boost算法：Discrete AdaBoost, Real AdaBoost, LogitBoost 和Gentle AdaBoost。同时实现了文中第8节Additive Logistic Trees和第9节Weight Trimming. Friedman, J. H等人只描述了如何训练一个强分类器，对于训练级联的强分类器（Cascade of Classifiers），OpenCV采用的是Paul Viola等人的“Robust Real-Time Face Detection”中所述方法。 HaarTraining采用的是OpenCV扩展的Haar特征，具体描述可参考Rainer Lienhart等人的“An Extended Set of Haar-like Features for Rapid Object Detection”。