Haar特徵是一種在計算機視覺和圖像處理中常用的特徵描述方法，主要用於物體識別和人臉檢測等領域。它們通過計算圖像中不同位置和大小的矩形框內像素值的差異來提取圖像特徵，這些矩形框可以分為黑色和白色兩種，Haar特徵的值通常定義為白色矩形內像素值之和減去黑色矩形內的像素值之和。
Haar特徵的計算過程是先在圖像上選定一個矩形框，然後將矩形框分成兩個或四個相等的小矩形，分別計算兩個小矩形內像素值的和，然後計算兩個小矩形之間像素值的差異，得到一個Haar特徵值。通過在圖像上移動矩形框，並對每個矩形框都計算Haar特徵值，最終得到圖像的Haar特徵向量。Haar特徵的優點是計算速度快，能夠在實時性要求較高的場景中使用，同時，由於Haar特徵是基於像素值的差異計算的，因此對於光照、旋轉和尺度變化等影響較小。
然而，Haar特徵對圖像的複雜度不夠敏感，不能很好地描述圖像的紋理和形狀特徵，同時，Haar特徵對於噪聲和干擾較為敏感，需要採取一些方法進行降噪和去除干擾。為了改進計算效率，Viola和Jones引入了積分圖作為輸入圖像的一種中間表達形式，這大大提高了Haar特徵的計算速度。