我在想，是否有一种方法可以将来自不同训练级联的Haar分类器组合在一起？我有一个场景，我检测到一个物体，它根据物体的角度而不同。因此，我将训练样本分离以训练多个分类器。他们的功课还可以。现在我按顺序运行它们，这花费了我很多计算时间。
我估计OpenCV可能每次都在计算所有的特性，因此每次都会进行新的迭代。我想，如果我可以通过OR运算来组合我的分类器，那么OpenCV可能只需要使用一个级联，从而只迭代一次，只计算一次所需的特征，以此类推。这可能会大大提高我的性能。然而，我不确定是否（以及如何）可以做到这一点。也许其他人以前也尝试过类似的东西？
干杯！--artur
当你训练一个特定的分类器时，AdaBoost算法（在每个阶段）都会选择不同的特征来最大限度地减少训练误差。该程序适用于级联的每个阶段。
不幸的是，对于每个对象，这些特征都不相同（虽然有固定数量的特征形状，但大小不同），因此特征空间也不相同。因此，即使有一种方法可以组合这些分类器，收益也很小，因为不同对象可能没有相同的特征，所以几乎需要重新评估每个特征。
我将每个任务作为一个单独的并行任务运行。
我不等待所有，而是处理每个，因为它们以引发事件结束。