补充一下贫乏的基础知识

之前API嫖的爽，但是基础知识太少了。补充一点api内部知识

之前的实现用的是opencv里自带的haar分类器，

Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联；

Haar分类器算法的要点如下：

①　使用Haar-like特征做检测。

②　使用积分图（Integral Image）对Haar-like特征求值进行加速。

③　使用AdaBoost算法训练区分人脸和非人脸的强分类器。

④　使用筛选式级联把强分类器级联到一起，提高准确率。

Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

积分图：

积分图像是用来加速算法的，因此求取积分图像本身复杂度不能很高，否则就失去了意义。为了快速的计算出积分图像，需要充分利用已经计算出的结果，避免重复计算。计算公式如下：

下图是该公式的原理示意：

本质就是简单的迭代求和

那么求haar-like特征，就是把积分图的数角叠加，就能得到

adaboost:

太复杂了，没看懂，大概就是利用一堆haar-like的弱特征，不停的进行分类实现出一个强分类器。

级联：

本身是决策树，通过通过多次强分类器的通过，才能判定此为人脸，可以提高人脸的识别正确率