1 引入機器學習 （Haar的引入）
什麼是特徵？什麼是haar特徵？
特徵是：某個區域的像素點經過某種四則運算得到的結果，這個結果可以是一個向量或者其他的各種元素。（具體值，向量，多維的值，矩陣）本質
Haar特徵：具有特徵的本質，但是又是一種特殊的特徵描述，如下：
有三個大類，基礎類型，核心類型，all類型。
這十四個類型特徵，這裏的特徵描述是：
特徵的公式推導公式，若黑色和白色整體部分的像素值的權重值爲1 ，黑色部分的權重值爲-2
根據第二個特徵則得到特徵=白色-黑色
根據第三個特徵後面會繼續介紹
如何利用特徵區分目標？
區分目標的方法有：閾值判決（大於某種就是，或者說小於某值就是，反之亦然）
知道了如何利用特徵，那麼怎麼得到這個判決呢？
利用機器學習的方法，後面會有詳細介紹。
2 Haar特徵遍歷的過程
若這裏的haar的特徵圖大小爲10x10的圖，整幅圖像的大小爲100x100，則
遍歷的時候必須用這個haar特徵的模板，從上到下，從左到右遍歷一次，再遍歷的過程中還必須考慮步長的問題，例如若每次滑動的像素爲10，則需要滑動九次，總共爲100個模板，若步長爲5，則運算量還會擴大四倍。我們這裏使用的是模板1。且這裏還需要注意的是，模板是可以進行在滑動過程中進行縮放的，但是縮放也是要從上到下，從左到右進行遍歷的。 模板的縮放等級在每個模板裏面都有20級的。
3 積分圖
什麼是積分圖呢？
這裏的A區域表示的是第一個部分1，B區域表示的是第一個區域加上第二個區域（1+2），C表示的是第一個區域加上第三個區域（1+3），D表示的是第一個區域，第二個區域和第三個區域以及第四個區域的和（1+2+3+4）。
這樣A,B,C,D四個區域就可以計算出來了。
然而4 = A-B-C+D只運用了三次加減就可以求出來了，但是我們這裏需要把所有的像素遍歷一次，還需要將所有區域求一次。