Haar特徵是用於圖像處理和計算機視覺中的一種特徵提取方法，主要用於人臉檢測、手勢識別、物體檢測等領域。它們的基本圖像形狀是長方形，可以由兩個或多個相鄰的矩形區域組成。每個矩形區域內的像素值之和可以用來表示圖像塊的灰度信息。Haar特徵值反映了圖像的灰度變化情況，例如臉部的一些特徵，如眼睛、臉頰、鼻樑和嘴巴的顏色差異，可以通過矩形特徵來描述。
Haar特徵可以分為三類：邊緣特徵、線性特徵、中心特徵和對角線特徵。這些特徵組合成特徵模板，模板內有白色和黑色兩種矩形，特徵值定義為白色矩形像素和減去黑色矩形像素和。這種特徵提取方法通過計算這些矩形區域內的像素值之和，並找出它們之間的差異，可以得到該特徵的數值。
Haar特徵通常用於訓練弱分類器，這些弱分類器可以識別出圖像中特定的簡單結構。通過AdaBoost算法，多個弱分類器會被組合成一個更為強大的分類器。AdaBoost算法是一種集成學習方法，使得分類器可以基於弱分類器進行有效集成，從而找到一組具有高區分能力的 Haar 特徵，這些特徵可以用於判別人臉和非人臉圖像。
總的來說，Haar特徵是一種非常有效的特徵提取方法，它在計算速度和識別準確率上都有很好的表現。