Computer vision 将类Haar特征应用于图像/定义特征

我知道类哈尔特征的一般概念，以及如何使用积分图像计算形状

然而，我的问题是，在定义一个形状并计算积分图像之后，如何获得特征

也就是说，我是否在每个可能的位置应用形状（类似于高斯滤波器）？ 整体图像是否平铺，并在每个平铺上计算形状？ 或者形状在图像中的位置是否固定且必须预定义

在这之后，分类器训练的具体特征是什么？例如，如果图像是平铺的，那么新的“图像”（将所有平铺组合成一个向量）是特征还是每个平铺都是其自身的特征

---

我找到的关于它的所有东西都只是说‘将它插入代码库XY’。

类似haar的特征算法的特征是位于所选窗口中的单个形状。 因此，每个特征都是二值的，包括特征的“形状”及其在检测窗口中的相对位置

通过选择多个子窗口来处理图像。然后，目标是尽快放弃任何不代表所需对象的子窗口。 这是通过将上述功能应用于每个子窗口来实现的。从该特征集中学习分类器

在Viola-Jones检测框架中，使用了一系列分类器，其中第一个分类器使用的特征更少，因此计算速度更快。 如果链中的分类器丢弃子窗口，则停止此窗口上的进一步计算

保罗·维奥拉和迈克尔·琼斯的论文可以找到。Sri Kaushik Pavani、David Delgadoa和Alejandro F.Frangi以这个名字发表了另一篇关于类haar特征检测的有用论文