一. Haar的特点
特征是计算机视觉领域常用的特征描述算子之一，描述特征、图像特征，多用于人脸检测、行人检测等目标检测。 Haar-like特征模板中只有黑白两种矩形，其特征值定义为白色矩形像素与黑色矩形像素之和。 Haar特性值反映了图像的灰度变化。 例如，一些脸部特征可以从矩形特征来简单说明，比如眼睛比脸颊颜色深，鼻梁两侧比鼻梁颜色深，嘴巴比周围颜色深。
2 .特征计算
计算特征很简单，就是从黑色部分的所有像素值之和中减去白色部分的所有像素值之和。 得到的是特征值。 说来简单，有必要快速计算某个矩形内的像素值之和。 为此，需要引入积分图的概念。 关于灰度图像I，其积分图也是与I相同尺寸的图表，但该图表上的任意一点(x，y )的值是由灰度图像I的左上角和当前点包围的矩形区域内的所有像素点的灰度值之和，如下图所示。
一旦扫描图像到达图像右下方的像素，就完成了积分图像。 当构建积分图时，可以通过简单运算获得图像中的任意矩阵区域的像素相加和