Opencv 什么是「；“左”；及；对",；值在haar cascade xml文件中是什么意思？

在OpenCV的haar级联文件中，“左”和“右”值是什么，这是如何表示“阈值”的？谢谢

仅供参考，以下是文件的结构：

<haarcascade_frontalface_alt type_id="opencv-haar-classifier">
  <size>20 20</size>
  <stages>
    <_>
      <!-- stage 0 -->
      <trees>
        <_>
          <!-- tree 0 -->
          <_>
            <!-- root node -->
            <feature>
              <rects>
                <_>3 7 14 4 -1.</_>
                <_>3 9 14 2 2.</_></rects>
              <tilted>0</tilted></feature>
            <threshold>4.0141958743333817e-003</threshold>
            <left_val>0.0337941907346249</left_val>
            <right_val>0.8378106951713562</right_val></_></_>
        <_>

20 20
3 7 14 4 -1.
3 9 14 2 2.
0
4.0141958743333817e-003
0.0337941907346249
0.8378106951713562

左侧和右侧是指特定形状的渐变值。这些特定的形状并不是一个左矩形和一个右矩形。相反，它只引用特定配置的部分（如果有两个以上的部分，则有时不止一个部分）。David Haar的论文中有一个图表可以帮助解释这一点

以下是ascii表示法（=已填充，-未填充）：

---

总的来说，命名是不好的约定。相反，它应该分别命名为“渐变顶部”、“渐变底部”（2）、“渐变左侧”、“渐变右侧”（2）、“渐变左侧”、“渐变中心”、“渐变底部”（3）。旋转、边缘和其他形状应命名，以唯一地识别各个部分。

据我所知，原始文章是Paul Viola和Michael Jones的快速目标检测，使用了一系列简单功能。它基于类似哈尔的特征，因此得名。我建议把它从桌子上拿下来。（如果您没有帐户，请查看上的其他版本。）

---

使用Haar分类器（Wilson，Fernandez）的面部特征检测中也描述了分类器。您可以在或上找到它。

在OpenCV的源代码中，您将找到

cvhaar.cpp

，它提供了一些关于Haar级联工作原理的见解。不幸的是，这根本不是评论，文档也没有多大帮助。以下是我对其工作原理的理解

在函数

icvevalhidhaarclassizer（）

中，计算单个

CvHidHaarTreeNode

特征的总和

如果该总和小于阈值，则遵循“左”节点，并重复该过程。否则，将跟随“right”节点，再次重复。以下陈述反映了这一点：

idx = sum < t ? node->left : node->right;

idx=sum左：节点->右；

当“左”或“右”节点为负值时，循环中断。在这种情况下，不再计算该特征的和，而是返回该特征的阈值作为分类器的结果

我把“左”和“右”放在引号里，因为正如你所说的，它们与特征位置无关。相反，它们反映了级联“下降”的方式：低于阈值，级联向左下降，高于阈值，级联向右下降

现在让我们回到这些节点的表示。在XML中，您将看到节点的表示形式不是索引，而是值：

<left_val>0.0337941907346249</left_val>
<right_val>0.8378106951713562</right_val>

0.0337941907346249
0.8378106951713562

这些数字实际上是使用

cvGetFileNodeByName（）

查找的节点名。我不知道OpenCV内部是如何工作的，但现在我希望您至少对cascade的工作原理有一个更好的了解。

Paul，真的吗

我认为，左/右值用作：

sum_stage += (sum_feature < feature_threshold*stddev)?(left_val):(right_val)

sum\u stage+=（sum\u feature

左节点1/左节点和右节点1/右节点是什么意思？我从网上下载的很多分类器中看到了这一点，但我不明白它们是什么意思；当特征总和低于阈值时，它会向左下降，否则会向右下降。

sum_stage += (sum_feature < feature_threshold*stddev)?(left_val):(right_val)