图像目标检测与跟踪学习笔记（三）_假设在图像集合f(m,n)中,每张图像可以用堆叠的方式表示成一个维列向量:其表示方法

一. 课堂小结

      这一周主要是三个小组的汇报展示，分别是：直方图&haar like feature、PCA&LBP与HOG，在准备汇报的过程中，查阅相关资料，对概念有了比较深的理解，通过听其他组的汇报，也在短时间内了解到了算法的基本思想，受益颇丰。

1. 直方图&haar like feature

    a. 直方图

    直方图分为灰度直方图与颜色直方图，它是单个像素灰度分布的一阶统计量。纹理是灰度在空间以一定的形式变换产生的图案，直方图是描述图像中像素灰度级分布的工具，可以用直方图或其统计特征作为图像的纹理特征。

有公式：

matlab中可用 imhist（）命令提取图像中的灰度直方图信息，colorhist()命令提取图像中的颜色直方图信息，用bar（）命令画直方图，结果如下图所示：

    b.haar like

      haar like特征能更好地描述图片的明暗变化，一般选取具有某种特性的特征模板，在图像子窗口中扩展（平移伸缩）得到的特征称为矩形特征，其值称为特征值。通过改变特征模板的大小和位置，可在图像子窗口中穷举出大量的特征。常用的特征模板有：

    检测窗口内矩形特征的数量非常多，为了实现快速计算如此多的特征，我们引入积分图这一概念：

    积分图：是一个数据结构，可以用于快速计算子区域的像素和。定义为：

表示为在(x,y)位置上，对应的积分图中的像素为其左上角所有像素之和。编程时可以利用递归实现：

，
当求图中矩阵D的像素和时，可由D的四个顶点A、B、C、D点的像素积分进行线性运算得到（由面积的恒等式）：

<