Caracteristicile Haar sunt caracteristici ale imaginii digitale utilizate în recunoașterea modelelor . Își datorează numele unei asemănări intuitive cu waveletele Haar . Caracteristicile Haar au fost folosite în primul detector de fețe în timp real.
Din punct de vedere istoric, algoritmii care funcționează doar cu intensitatea unei imagini (de exemplu, valoarea RGB din fiecare pixel) au o complexitate de calcul ridicată. În lucrarea lui Papageorgiou [1] s-a luat în considerare lucrul cu un set de caracteristici bazate pe wavelets Haar . Viola și Jones [2] au adaptat ideea utilizării waveletelor Haar și au dezvoltat ceea ce s-au numit caracteristici Haar. Semnul Haar este format din zone dreptunghiulare adiacente. Acestea sunt poziționate pe imagine, apoi se însumează intensitățile pixelilor din regiuni, după care se calculează diferența dintre sume. Această diferență va fi valoarea unei anumite caracteristici, a unei anumite dimensiuni, poziționată într-un anumit fel pe imagine.
De exemplu, luați în considerare o bază de date cu fețe umane. Comun pentru toate imaginile este că zona din jurul ochilor este mai întunecată decât zona din jurul obrajilor. Prin urmare, o caracteristică comună a Haar pentru fețe este 2 regiuni dreptunghiulare adiacente situate pe ochi și obraji.
În timpul etapei de detectare în metoda Viola-Jones, o fereastră de dimensiune fixă se deplasează pe imagine și pentru fiecare zonă a imaginii peste care trece fereastra, se calculează semnul Haar. Prezența sau absența unui obiect în fereastră este determinată de diferența dintre valoarea caracteristicii și pragul de învățare. Deoarece caracteristicile Haar nu sunt foarte potrivite pentru învățare sau clasificare (calitatea este puțin mai mare decât cea a unei valori aleatorii distribuite normal ), este necesar un număr mai mare de caracteristici pentru a descrie un obiect cu suficientă acuratețe. Prin urmare, în metoda Viola-Jones, caracteristicile Haar sunt organizate într-un clasificator în cascadă.
Caracteristica cheie a semnelor Haar este cea mai mare viteză în comparație cu alte semne. Când se utilizează reprezentarea integrală a imaginii, caracteristicile Haar pot fi calculate în timp constant (aproximativ 60 de instrucțiuni de procesor per caracteristică din două zone).
Cea mai simplă caracteristică Haar dreptunghiulară poate fi definită ca diferența dintre sumele pixelilor a două zone adiacente din interiorul unui dreptunghi care poate ocupa diferite poziții și scări în imagine. Acest tip de caracteristici se numește 2 dreptunghiulare. Viola și Jones au identificat, de asemenea, caracteristici de 3 dreptunghiulare și 4 dreptunghiulare. Fiecare caracteristică poate indica prezența (sau absența) unei anumite caracteristici a imaginii, cum ar fi marginile sau modificările texturii. De exemplu, o caracteristică cu 2 dreptunghiuri poate arăta unde este granița dintre regiunile întunecate și cele luminoase.
Linhart și Maid [3] au introdus ideea caracteristicilor Haar înclinate (45 de grade). Acest lucru a fost făcut pentru a mări dimensiunea spațiului caracteristic. Metoda s-a dovedit a fi de succes și unele semne oblice au putut descrie mai bine obiectul. De exemplu, un semn Haar înclinat cu 2 dreptunghiuri poate arăta prezența unei margini înclinate de 45 de grade.
Messom și Barzak [4] au extins conceptul lui Haar de trăsături oblice. Deși ideea este corectă din punct de vedere matematic, în practică există probleme la utilizarea caracteristicilor din unghiuri diferite. Pentru a accelera calculele, detectorul folosește imagini cu rezoluție scăzută, ceea ce duce la o eroare de rotunjire. Pe baza acestui fapt, semnele Haar oblice nu sunt utilizate în mod obișnuit.