Haar-like 特征描述符

Haar-like 特征是简单的数字图像特征，它们在一个实时人脸检测器中被引入 [1]。这些特征可以在恒定时间内使用积分图像 [1] 在任何尺度上高效计算。之后，从这个大量潜在特征集中选择少量关键特征（例如，使用 AdaBoost 学习算法，如 [1] 中所示）。以下示例将展示构建这一系列描述符的机制。

参考文献

[1] (1,2,3)

Viola, Paul, 和 Michael J. Jones. “鲁棒实时人脸检测.” 国际计算机视觉杂志 57.2 (2004): 137-154. https://www.merl.com/publications/docs/TR2004-043.pdf DOI:10.1109/CVPR.2001.990517

import numpy as np
import matplotlib.pyplot as plt

from skimage.feature import haar_like_feature_coord
from skimage.feature import draw_haar_like_feature

不同类型的 Haar-like 特征描述符

Haar-like 特征描述符有 5 种不同类型，如下图所示。描述符的值等于绿色区域和红色区域强度值之和的差。

images = [
    np.zeros((2, 2)),
    np.zeros((2, 2)),
    np.zeros((3, 3)),
    np.zeros((3, 3)),
    np.zeros((2, 2)),
]

feature_types = ['type-2-x', 'type-2-y', 'type-3-x', 'type-3-y', 'type-4']

fig, axs = plt.subplots(3, 2)
for ax, img, feat_t in zip(np.ravel(axs), images, feature_types):
    coord, _ = haar_like_feature_coord(img.shape[0], img.shape[1], feat_t)
    haar_feature = draw_haar_like_feature(
        img, 0, 0, img.shape[0], img.shape[1], coord, max_n_features=1, rng=0
    )
    ax.imshow(haar_feature)
    ax.set_title(feat_t)
    ax.set_xticks([])
    ax.set_yticks([])

fig.suptitle('The different Haar-like feature descriptors')
plt.axis('off')
plt.show()

描述符的值等于绿色矩形中的强度值之和与红色矩形中的强度值之和的差值。红色区域的像素强度之和从绿色区域的像素强度之和中减去。实际上，类似Haar的特征将被放置在图像的所有可能位置，并为每个位置计算特征值。