利用Python-CV2进行Harr+Adaboost人脸识别的实例演示

简介：
本教程通过具体案例展示如何使用Python中的CV2库实现基于Harr特征和Adaboost算法的人脸识别技术，适合初学者学习实践。 Haar特征（也称为哈尔特征）用于检测窗口中的指定位置的相邻矩形区域，并计算每个矩形内的像素和并取其差值。这些差值被用来对图像子区域进行分类。常见的haar特征模板包括： 1. 特征 = 白色 – 黑色 (即用白色区域的像素之和减去黑色区域的象征之和) 2. 特征 = 整个区域 * 权重 + 黑色 * 权重 使用Haar模板处理图像时，从图像起点开始，并利用haar模板进行遍历。具体来说是从左到右、从上往下地移动窗口，同时设置步长以确保覆盖整个图像范围。 假设我们有一个分辨率为1080*720的图片和一个大小为10x10像素的Haar特征模板，且设定步长为2，则计算量如下： 所需处理的数据点数量 = ((宽度 - 模板宽度) / 步长 + 1) * ((高度 - 模板高度) / 步长 + 1) = (（1080-10）/2+1）* （(720-10)/2+1） =540.5 * 360 ≈541 * 360 因此，处理整个图像所需的计算量大约为：541 x 360。