Haar-Cascade源码haar.cpp中CvHidHaar系列结构体成员含义咨询

以下是你提到的几个结构体成员的具体含义，这些是OpenCV早期Haar级联目标检测器的内部隐藏结构体，专门针对检测推理做了优化：

涉及的结构体定义 #

typedef struct CvHidHaarFeature
{
    struct
    {
        sumtype *p0, *p1, *p2, *p3;
        float weight;
    }
    rect[CV_HAAR_FEATURE_MAX];
} CvHidHaarFeature;


typedef struct CvHidHaarTreeNode
{
    CvHidHaarFeature feature;
    float threshold;
    int left;
    int right;
} CvHidHaarTreeNode;


typedef struct CvHidHaarClassifier
{
    int count;
    CvHidHaarTreeNode* node;
    float* alpha;
} CvHidHaarClassifier;


typedef struct CvHidHaarStageClassifier
{
    int  count;
    float threshold;
    CvHidHaarClassifier* classifier;
    int two_rects;

    struct CvHidHaarStageClassifier* next;
    struct CvHidHaarStageClassifier* child;
    struct CvHidHaarStageClassifier* parent;
} CvHidHaarStageClassifier;


typedef struct CvHidHaarClassifierCascade
{
    int  count;
    int  isStumpBased;
    int  has_tilted_features;
    int  is_tree;
    double inv_window_area;
    CvMat sum, sqsum, tilted;
    CvHidHaarStageClassifier* stage_classifier;
    sqsumtype *pq0, *pq1, *pq2, *pq3;
    sumtype *p0, *p1, *p2, *p3;

    void** ipp_stages;
} CvHidHaarClassifierCascade;

成员含义解释 #

CvHidHaarFeature 结构体的 weight

单个Haar特征由最多3个矩形区域组成，weight是当前矩形的权重系数：计算特征值时，先通过积分图指针p0/p1/p2/p3算出当前矩形的像素和，乘以weight，所有矩形的计算结果累加就是当前Haar特征的最终输出值。

CvHidHaarTreeNode 结构体成员

• threshold：当前树节点的判定阈值。将前面计算得到的Haar特征值和该阈值比对，决定分支走向。
• left：特征值小于阈值时的跳转位置。如果值≥0，代表当前分类器树节点数组的下标，跳转后继续做下一级节点判定；如果值<0，代表当前是叶子节点，绝对值减1就是alpha数组的索引，直接取对应alpha值作为该弱分类器的输出。
• right：特征值大于等于阈值时的跳转位置，跳转规则和left完全一致。

CvHidHaarClassifier 结构体成员

• count：当前弱分类器对应的决策树的节点总数。如果是常用的树桩分类器（单节点决策树），count值为1。
• alpha：Adaboost训练得到的弱分类器输出权重数组，每个叶子节点对应一个alpha值。所有弱分类器的输出累加后和阶段阈值比对，即可判断当前检测窗口是否为目标。

内容的提问来源于stack exchange，提问作者Roni Polak