Haar 類特徵描述子

Haar 類特徵是簡單的數位影像特徵，它是在即時臉部偵測器中引入的 [1]。 使用積分影像 [1]，這些特徵可以在任何尺度上以恆定的時間有效地計算。 之後，從這個大量潛在特徵中選擇少量關鍵特徵 (例如，使用 AdaBoost 學習演算法，如 [1])。 以下範例將展示如何建構此系列描述子的機制。

參考文獻

[1] (1,2,3)

Viola, Paul, and Michael J. Jones. “穩健的即時臉部偵測。” International journal of computer vision 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

不同類型的 Haar 類特徵描述子

Haar 類特徵描述子有 5 種不同的類型，如下圖所示。描述子的值等於綠色和紅色區域中強度值總和的差。

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()

描述子的值等於綠色矩形和紅色矩形中強度值總和的差。紅色區域從綠色像素強度的總和中減去。實際上，Haar 類特徵將放置在影像的所有可能位置，並且將為每個位置計算特徵值。