人脸检测与识别研究：Haar特征解析

通常，人脸特征分布具有很大的相似性。首先，从亮度方面看，人脸特征区域较脸部其他区域更亮。例如，相对于周围的脸颊，鼻子是人脸中亮度最高的部位，它比周围区域更亮。其次，人脸特征分布在垂直方向是固定的，从上到下依次为眉毛、眼睛、鼻子、嘴巴，特征的相对位置是固定的。Haar 特征是通过人手工设计不同的算子去提取图像中某一特定矩形区域的特征，而这些算子提取到的特征与人脸特征高度相关。

Haar 特征是通过使用滑动窗口与预设特征模板进行相应的运算来提取图像特征的，模板如图3-5 所示。特征模板被人为地划分为两个区域，并分别计算这两个区域的像素值之和，而这两个区域和的差值为模板的特征值。VJ 框架使用了四种矩形特征模板用来提取正面人脸的特征。其中，A, B 特征模板用来检测边界特征，C 模板检测细线特征，D 模板检测对角特征。

图3-5　Haar 特征模板

为了提高检测速度，VJ 框架使用积分图来间接计算Haar 特征。积分图是使用矩阵来描述图像全局信息的一种方法，积分图像中的每一点的值都等于该点左上角的所有像素值之和，用公式（3-13）和（3-14）来计算：

其中，I 表示积分图像，f 表示原始图像，x, y, x′, y′表示像素位置。因此，可以通过求角点的积分图的值来求取矩形区域的像素值之和与Haar 特征值，积分图如图3-6 所示。(www.xing528.com)

图3-6　积分图

对于积分图中的矩形特征模板ABCD，其特征值用公式（3-15）来计算：

通过积分图计算Haar 特征极大地提高了特征提取的速度。