그러나 24×24 크기에서 다양한 크기의 유사-하르 필터를 대략 18만 개 생성할 수 있고, 픽셀 값의 합과 차를 계산하는 것이 복잡하지는 않지만 시간이 오래 걸린다는 점이 문제가 되었습니다. 다행히 비올라와 존스는 에이다부스트(adaboost) 알고리즘과 적분 영상(integral image)을 이용하여 이 문제를 해결하였습니다. 에이다부스트 알고리즘은 수많은 유사-하르 필터 중에서 얼굴 검출에 효과적인 필터를 선별하는 역할을 수행합니다. 실제 논문에서는 약 6000개의 유사-하르 필터를 선별하였으며, 이 중 얼굴 검출에 가장 유용하다고 판별된 유사-하르 필터 일부를 그림 13-5에 나타냈습니다.²

▲ 그림 13-5 얼굴 검출에 유용한 유사-하르 필터의 예³

 

에이다부스트 알고리즘에 의해 24×24 부분 영상에서 검사할 특징 개수가 약 6000개로 감소하였지만, 입력 영상 전체에서 부분 영상을 추출하여 검사해야 하기 때문에 여전히 연산량이 부담될 수 있습니다. 더군다나 나타날 수 있는 얼굴 크기가 다양하기 때문에 보통 입력 영상의 크기를 줄여 가면서 전체 영역에 대한 검사를 다시 수행해야 합니다. 그래서 비올라와 존스는 대부분의 영상에 얼굴이 한두 개 있을 뿐이고 나머지 대부분의 영역은 얼굴이 아니라는 점에 주목하였습니다. 비올라-존스 알고리즘에서는 캐스케이드(cascade) 구조라는 새로운 방식을 도입하여 얼굴이 아닌 영역을 빠르게 걸러 내는 방식을 사용합니다.