我在工作中使用OpenCV Haar分类器，但一直看到关于OpenCV Haar分类器是否使用SVM的相互矛盾的报告，有人能澄清它是否使用SVM吗？如果没有使用SVM，Haar方法相较于SVM方法有什么优势？

回答：

• SVM和Boosting（AdaBoost、GentleBoost等）是特征分类策略/算法。支持向量机解决复杂的优化问题，通常使用核函数，这允许我们在更高维度的特征空间中分离样本。另一方面，Boosting是一种基于智能组合大量“廉价”分类器的策略，这导致非常快速的分类。这些弱分类器甚至可以是SVM。

• Haar-like特征是一种基于积分图像的特征，非常适合计算机视觉问题。

也就是说，你可以将Haar特征与这两种分类方案中的任何一种结合使用。