AdaBoost级联人脸检测

从局部特征到分类器

教材例子选取能区别人脸与背景的矩形特征，作为弱分类器的依据；将多个弱分类器按权重投票组成强分类器。权重反映学习得到的贡献，不是简单把所有特征同等计票，也不是把像素越亮直接判为人脸。

级联结构

再把若干强分类器串联成检测级联。候选窗口按阶段检查，不符合条件的背景可较早被排除，剩余候选继续检验，从而减少许多背景窗口的后续计算。一个窗口通过第一阶段不等于完成整条级联，更不等于知道身份。

使用限制

训练需人脸与非人脸等合适样本；光照、姿态、遮挡及背景变化会影响特征响应。级联速度与误检、漏检要一起评估，增加阶段数不必然提高所有条件下的准确性。这里解释教材示例机制，不把教材的“主流”表述当作当前所有系统的事实。