摘要： 如何利用特征来区分目标，进行阈值判决。adaboost分类器它的优点在于前一个基本分类器分出的样本，在下一个分类器中会得到加强。加强后全体的样本那么再次进行整个训练。加强后的全体样本再次被用来训练下一个基本的分类器。 我们正确的样本它的系数逐渐地减小，而我们的负样本得到了加强。这就是adaboost 阅读全文

摘要： B区域是包含AB这样两部分的。C区域是包含A和C这样两部分的。B区域和C区域它描述的是一个横条和一个竖条。D区域是四个方块之和。 阅读全文

摘要： 在遍历的过程中还需要考虑到一个步长的问题。这个模板一次滑动10个像素，那么总共就需要滑动9次。再加上最开始的第0次，合计在水平方向上和竖直方向上分别都有10个这样的模板，总共也就是100个模板。要计算完这100个模板才能把整幅图片上的Haar特征计算完毕。而如果我们的步长设置为5*5，那么这个运算量 阅读全文

摘要： 实际上特征就是图像中某个区域的像素点，经过某种四则运算之后得到的结果。所以说图像的特征它是像素经过运算之后得到的某一个结果。这个结果可以是一个具体的值，也可以是一个向量，又或是一个多维的元素。所以说特征它的本质实际上是像素的运算结果。 之前章节给大家讲解的矩阵运算。如何利用特征来区分目标呢？阈值判决 阅读全文

摘要： 第二个参数-1描绘的是选择一个支持的编码器。这个方法完成的是写入对象的创建。第四个参数我们需要设置整个视频的大小，也就是size。这就是之前我们为什么要读取一张图片并且把size记录下来的原因。什么是解码器或者是编码器呢？如果大家想把一个视频分解成图片，那么视频在存储的时候并不是把图片一帧帧进行存储 阅读全文