Haar - ominaisuudet ovat digitaalisia kuvaominaisuuksia, joita käytetään hahmontunnistuksessa . He ovat nimensä velkaa intuitiivisesti muistuttavan Haar - aallot . Haar-ominaisuuksia käytettiin ensimmäisessä reaaliaikaisessa kasvontunnistimessa.
Historiallisesti algoritmeilla, jotka toimivat vain kuvan intensiteetillä (esim. RGB-arvo jokaisessa pikselissä), on suuri laskennallinen monimutkaisuus. Papageorgioun [1] työssä tarkasteltiin työtä Haar -aallotteisiin perustuvien ominaisuuksien kanssa . Viola ja Jones [2] mukauttivat ajatusta Haar-aallokkeiden käytöstä ja kehittivät niin kutsuttuja Haar-ominaisuuksia. Haar-merkki koostuu vierekkäisistä suorakaiteen muotoisista alueista. Ne sijoitetaan kuvan päälle, sitten alueiden pikseliintensiteetit summataan, minkä jälkeen lasketaan summien välinen erotus. Tämä ero on tietyn ominaisuuden, tietyn koon arvo, joka on sijoitettu tietyllä tavalla kuvaan.
Harkitse esimerkiksi tietokantaa, jossa on ihmiskasvot. Kaikille kuville yhteistä on, että silmien ympärillä oleva alue on tummempi kuin posket. Siksi Haarin yleinen piirre kasvoille on 2 vierekkäistä suorakaiteen muotoista aluetta, jotka sijaitsevat silmien ja poskien päällä.
Viola-Jones-menetelmän tunnistusvaiheessa kuvan poikki liikkuu kiinteän kokoinen ikkuna ja jokaiselle kuvan alueelle, jonka yli ikkuna kulkee, lasketaan Haar-merkki. Objektin läsnäolo tai puuttuminen ikkunassa määräytyy ominaisuuden arvon ja oppimiskynnyksen välisen eron perusteella. Koska Haar-ominaisuudet eivät ole kovin sopivia oppimiseen tai luokitteluun (laatu on hieman korkeampi kuin satunnaisen normaalijakauman arvon ), tarvitaan suurempi määrä ominaisuuksia kuvaamaan kohdetta riittävän tarkasti. Siksi Viola-Jones-menetelmässä Haar-ominaisuudet järjestetään kaskadiluokittimeksi.
Haar-kylttien tärkein ominaisuus on suurin nopeus muihin kylteihin verrattuna. Käytettäessä kuvan integraaliesitystä, Haar-ominaisuudet voidaan laskea vakioajassa (noin 60 prosessoriohjetta ominaisuutta kohden kahdelta alueelta).
Yksinkertaisin suorakaiteen muotoinen Haar-ominaisuus voidaan määritellä kahden vierekkäisen suorakulmion sisällä olevan alueen pikselien summan erona, joka voi olla eri paikoissa ja mittakaavassa kuvassa. Tämän tyyppisiä ominaisuuksia kutsutaan 2-suorakulmioksi. Viola ja Jones tunnistivat myös 3 suorakaiteen ja 4 suorakaiteen muotoisia piirteitä. Jokainen ominaisuus voi osoittaa tietyn kuvan ominaisuuden, kuten reunojen tai tekstuurin muutosten, olemassaolon (tai puuttumisen). Esimerkiksi 2-suorakulmainen ominaisuus voi näyttää, missä on tumman ja vaalean alueiden välinen raja.
Linhart ja Maid [3] esittelivät ajatuksen vinoista (45 astetta) Haar-piirteistä. Tämä tehtiin ominaisuustilan laajentamiseksi. Menetelmä osoittautui onnistuneeksi ja jotkut vinot merkit pystyivät kuvaamaan kohdetta paremmin. Esimerkiksi 2-suorakaiteen muotoinen vino Haar-kyltti voi osoittaa 45 asteen vino reunan olemassaolon.
Messom ja Barzak [4] laajensivat Haarin käsitystä vinoista piirteistä. Vaikka ajatus on matemaattisesti oikea, käytännössä on ongelmia käytettäessä ominaisuuksia eri näkökulmista. Laskelmien nopeuttamiseksi ilmaisin käyttää matalaresoluutioisia kuvia, mikä johtaa pyöristysvirheeseen. Tämän perusteella vinoja Haar-kylttejä ei yleisesti käytetä.