# HaarCascade 類_特征描述符 Haar Cascade特征描述符用于`image.find_features()`方法。它沒有供用戶調用的方法 * [ ] **構造函數** ``` class image.HaarCascade(path[,stages=Auto]) ``` 從一個Haar Cascade二進制文件加載一個Haar Cascade。 如果您傳遞“frontalface”字符串 而非一條路徑，這個構造函數將會把一個內置的正臉Haar Cascade載入內存。 此外，您也可以通過“eye”來把Haar Cascade載入內存。 最后，這個方法會返回載入的Haar Cascade對象，用來使用`image.find_features()`。 `stages`?默認值為Haar Cascade中的階段數。然而，您可以指定一個較低的數值來加速運行特征檢測器，當然這會帶來較高的誤報率。 注解 您可以制作自己的Haar Cascades 來配合您的OpenMV Cam 使用。 首先，使用谷歌搜索“ Haar Cascade”，檢測是否有人已經為您想要檢測的對象制作了OpenCV Haar Cascade。 如果沒有，那您需要自己動手制作（工作量巨大）。 關于如何制作自己的Haar Cascade，[見此](http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html)關于如何把轉化成您可以讀取的模式， 問：Haar Cascade 是什么？ 答：Haar Cascade是一系列用來確定一個對象是否存在于圖像中的對比檢查。 這一系列的對比檢查分成了多個階段，后一階段的運行以先前階段的完成為前提。 對比檢查并不復雜，不過是像檢查圖像的中心垂直是否比邊緣更輕微之類的過程。 大范圍的檢查在前期階段首先進行，在后期進行更多更小的區域檢查。 問：Haar Cascades 是如何制作而成的？ 答：Haar Cascades通過標有正負的圖像對發生器算法進行訓練。 比如，用數百張含有貓（已被標記為內含貓）的圖片和數百張不含有貓形物的圖片（已作出不同標記）來訓練這個生成算法。 這個生成算法最后會產生一個用來檢測貓的Haar Cascades。