基于Haar的人脸检测原理：矩形特征与积分图

引言

Haar分类器又被称为Viola-Jones检测器，在Viola与Jones分别于2001年与2004年发表的经典论文《Rapid Object Detection using a Boosted Cascade of Simple Features》与《Robust Real-Time Face Detection》中被正式提出并加以改进。该方法主要由三个关键模块构成：首先通过Haar特征提取技术获取图像的关键信息；其次利用高效的积分图算法实现特征快速计算；最后从大量候选特征中筛选出具有代表性的几个，并将它们依次输入到由强分类器组成的级联检测系统中完成最终的人脸识别任务。

1、Haar-like特征

这种数字图像特征采用Haar-like矩形模板进行描述。这种模式由若干个全同的黑白矩形依相邻方式排列组合而成。计算所有白色矩形像素点灰度值之和并减去黑色区域相应像素点灰度值之和则可得到该区域对应的Haar特征值。此特征对诸如线段、边缘等简单图形结构表现出较高的敏感度。将此模式应用于非人脸区域时所得出的Haar特征与真实人脸区域所获得的Haar特征具有显著差异性；这些预先定义好的模式旨在将人脸上独特的 Haar 特征量化表示，并与其他区域的人工模式相区别开来。

由于未采用基于像素的方法而选择了基于特征的方法，在现有数据样本数量有限的情况下，不仅能够有效捕捉