youtube 视频中提供了对Haar 功能的介绍。该视频表明 VJ 面部检测器利用选定的 Haar 特征（卷积核）组合来检测面部特征（弱分类器），例如鼻梁。将弱分类器的二元存在相加以确定窗口是否包含人脸。

VJ 算法检测情绪的能力将依赖于分配一组 Haar 特征（内核）以识别与特定情绪标签（惊喜、愤怒、内容、恐惧）相关的特征的能力。

可以想象，情绪分类器的初始阶段可以使用 VJ 算法来识别人脸，以便在其他阶段对情绪进行分类。

我曾经尝试过 Viola Jones 算法来做到这一点，它没有捕捉到对检测情绪很重要的面部片段方向的细微差异。HOG 等特征（在 openCV 和许多著名的图​​像处理库中可用）可以从面部提取更好的信息以对情绪进行分类。

还有许多其他方法，包括人工神经网络和纯基于规则的方法，但几乎在所有地方，人脸的良好对齐方法都成为练习的最重要方面。因此，我建议探索一些面部对齐方法，然后使用 HOG 等功能代替 Viola Jones/HARR。

对于数学部分，您可以深入研究数学或仅通过代码探索不同的方法。对线性代数和一点几何有很好的理解会有很大帮助。

此外，如果您是机器学习的新手，了解基本算法可能与您相关。