机器学习与人脸识别：OpenCV3基于Haar特征训练的Boosted人脸检测分类器（C++实现）

基于OpenCV3平台进行分类器的训练过程

一、简介

目标检测技术最初由Paul Viola [Viola01]所提出，并由Rainer Lienhart [Lienhart02]对该技术进行了优化与改进。该方法的核心流程主要包括以下内容：首先，通过选取一定数量的样本（通常为数百张图像）提取其harr特征，并以此为基础进行分类器的训练，最终构建出一个级联结构的boosted分类器。
所谓“级联”结构，意味着整个分类器是由多个相对简单的子分类器依次连接构成的。在实际图像检测过程中，待检测的窗口会按顺序经过每一层分类器的检验，在前几层中大部分非目标区域会被提前排除，只有那些能够通过所有层级检测的区域才被判定为目标所在位置。
完成训练后，该分类器可应用于输入图像中特定尺寸（与训练样本一致）的感兴趣区域进行目标识别。当检测到目标对象（如汽车或人脸）时，系统输出结果为1；反之则输出0。为了实现对整幅图像的目标识别，通常需要在图像上滑动搜索窗口，并对每个可能的位置进行逐一判断以确定是否存在潜在目标。此外，为了适应不同尺寸的目标物体，该分类器具备调整自身尺寸的能力，相较于直接改变待检图像大小而言更加高效。因此，在处理未知尺寸的目标时，扫描程序通常需要使用多种比例大小的搜索窗口多次扫描同一张图片以确保全面覆盖。
当前支持此类级联结构分类器的boosting算法包括四种：Di