在OpenCV中有关于级联分类器的更详细的参考吗?

Is there more detailed reference on Cascade Classifiers in OpenCV?

本文关键字：分类器 参考 级联 OpenCV 于级联      更新时间：2023-10-16

我正试图修改OpenCV的haar级联分类器到特定的目的，并从上到下查看其源代码。但是我坚持理解了最后一部分，即在cascadedetect.hpp

的第361行计算特征值。
return optfeaturesPtr[featureIdx].calc(pwin) * varianceNormFactor;

及其子部分用于(a)计算cascaddetect .hpp第398-407行中每个矩形的加权和

inline float HaarEvaluator::OptFeature :: calc( const int* ptr ) const
{
    float ret = weight[0] * CALC_SUM_OFS(ofs[0], ptr) +
            weight[1] * CALC_SUM_OFS(ofs[1], ptr);
    if( weight[2] != 0.0f )
        ret += weight[2] * CALC_SUM_OFS(ofs[2], ptr);
    return ret;
}

和(b)计算cascaddetect .cpp的691-697和701行的varianceNormFactor 

pwin = &sbuf.at<int>(pt) + s.layer_ofs;
const int* pq = (const int*)(pwin + sqofs);
int valsum = CALC_SUM_OFS(nofs, pwin);
unsigned valsqsum = (unsigned)(CALC_SUM_OFS(nofs, pq));
double area = normrect.area();
double nf = area * valsqsum - (double)valsum * valsum;
line:701 varianceNormFactor = (float)(1./nf);

根据我的一点知识，我猜'pwin'代表当前正在进行的实际窗口，但是(Q1) pq是什么意思?我找不到任何行给值到sbuf变量(以某种方式连接到上面的所有内容)

根据OpenCV团队提到的Rainer Lienhart的论文，他们使用这个方程进行光校正。但在论文中，他们说我们可以通过从每个像素的正方形中观察积分图像中的4个值来计算σ。(Q2)但是我们不应该在取平方和之前从每个像素中减去平均值，以便计算本文中的标准差或σ代表不同的东西吗?

从源头上看，我认为他们使用的方程应该和这个相似。如果可能的话，我从哪里可以得到这些代码背后的数学或这部分的详细参考资料?我已经阅读了OpenCV的参考手册，但没有找到任何关于它的内容。

(Q1) What does pq mean:

我认为这可能意味着"指针指向正方形";OpenCV可以计算所有像素的平方，并将其附加到缓冲区B。因此，当进行规范化时，它可以通过:

快速引用它。

  1. 当前窗口在B中的偏移量，即pwin。

  2. 基于pwin的B中当前窗口内每个像素的正方形值的偏移量，即sqofs。

(Q2) But aren't we supposed to subtract average from each pixels BEFORE taking sum of squares in order to calculate standard deviation > or σ in this paper represent something different?

我已经在OpenCV 3.4.4上检查了它，是的，它不减去平均值。我猜因为哈尔图是对称的，例如对于水平2，一个区域减去一个相同面积的区域。因此，效应总和为零，我们可以忽略它。

相关文章：