ivandzemianchyk

Хаар проходит достаточно быстро т.к. большиство окон отбрасываются ещё на начальных этапах каскадного фильтра.
Что касается распознавания то в зависимости какие будут исходные данные хаар в большистве ситуаций не распознает автомобиль. Скажем если он будет повёрнут а выборка была сделана для машин с боку, то практически никогда хаар не распознает его.
Что касается кодов то я пользовался готовыми бинарками из OpenCV.
В build/[ваша версия системы]/[ваша версия VS]/bin
находятся файлы:
opencv_createsamples
opencv_haartraining
opencv_traincascade

с помощью этих программ можно натренировать классификатор по своей выборке для дальшего использования. Больше информации о начальных параметрах docs.opencv.org/doc/user_guide/ug_traincascade.html

Если я правильно понял вопрос, то достаточно привесди все фотографии к одному размеру ( к примеру 30x30) икогда вы хотите найти найболее похожее, эту картинку уменьшить до соответствующего размера и проверить корреляцию с каждым изображением из каталога.

Пирсона( кросскореляция)

описывается одной формулой которая может и выглядит страшновато, но проблем не создаёт.
допустим корреляция между двумя картинками это r.
если r = 1, это значит что картинки идентичны. Чем ближе корреляция к единице, тем сильнее данные изображения похожи одно на другое.
Есть миллион других решений, но как по мне это самое простое и быстрое.