# HaarCascade 类_特征描述符 Haar Cascade特征描述符用于`image.find_features()`方法。它没有供用户调用的方法 * [ ] **构造函数** ``` class image.HaarCascade(path[,stages=Auto]) ``` 从一个Haar Cascade二进制文件加载一个Haar Cascade。 如果您传递“frontalface”字符串 而非一条路径，这个构造函数将会把一个内置的正脸Haar Cascade载入内存。 此外，您也可以通过“eye”来把Haar Cascade载入内存。 最后，这个方法会返回载入的Haar Cascade对象，用来使用`image.find_features()`。 `stages` 默认值为Haar Cascade中的阶段数。然而，您可以指定一个较低的数值来加速运行特征检测器，当然这会带来较高的误报率。 注解 您可以制作自己的Haar Cascades 来配合您的OpenMV Cam 使用。 首先，使用谷歌搜索“ Haar Cascade”，检测是否有人已经为您想要检测的对象制作了OpenCV Haar Cascade。 如果没有，那您需要自己动手制作（工作量巨大）。 关于如何制作自己的Haar Cascade，[见此](http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html)关于如何把转化成您可以读取的模式， 问：Haar Cascade 是什么？ 答：Haar Cascade是一系列用来确定一个对象是否存在于图像中的对比检查。 这一系列的对比检查分成了多个阶段，后一阶段的运行以先前阶段的完成为前提。 对比检查并不复杂，不过是像检查图像的中心垂直是否比边缘更轻微之类的过程。 大范围的检查在前期阶段首先进行，在后期进行更多更小的区域检查。 问：Haar Cascades 是如何制作而成的？ 答：Haar Cascades通过标有正负的图像对发生器算法进行训练。 比如，用数百张含有猫（已被标记为内含猫）的图片和数百张不含有猫形物的图片（已作出不同标记）来训练这个生成算法。 这个生成算法最后会产生一个用来检测猫的Haar Cascades。