opencv 分类器

OpenCV分类器是一种用于目标检测和识别的机器学习算法。OpenCV分类器可以通过训练来识别不同的目标，例如人脸、行人、车辆等。OpenCV分类器的训练需要大量的正负样本，正样本是指包含目标的图像，负样本是指不包含目标的图像。常见的OpenCV分类器有Haar分类器和LBP分类器等。

Haar分类器是一种基于特征的分类器，它使用Haar小波变换来检测目标。Haar特征是指由黑白相间的矩形组成的特征，通过对这些特征的计算，可以检测到不同的目标。

LBP分类器是一种基于纹理的分类器，它使用局部二值模式（LBP）来描述图像中的纹理特征。LBP特征是指将像素点与其邻域像素进行比较后得到的二进制数值，通过对这些特征的计算，可以检测到不同的纹理特征。