《Computer Vision: Algorithms and Applications》读书笔记（1）

一. 目标检测

1. 人脸检测

人脸检测的技术可以分为基于特征、基于模板、基于表征三大类。

• 基于特征的方法：试图找到局部的显著性图像特征；
• 基于模板的方法：能够处理很大范围内不同的姿态和表情变化。该类方法需要设定恰当的初始值，并不适合快速人脸检测；
• 基于表征的方法：通过扫描图像中潜在的人脸图像 patch, 然后使用算法逐步精细化。为了获得尺度不变性，该类方法需要构造图像金字塔。许多基于表征的方法严重依赖于训练集中标注和未标注的人脸图像块。

2. 聚类和 PCA

一旦人脸和非人脸的模式预处理后，则可以使用聚类算法（如 k-means）进行聚类和 PCA 分析。

3. 神经网络

同首先进行聚类和计算马氏距离不同的是， Rowley et al. (1998) 应用神经网络捕捉大尺度和小尺度结构。

4. SVM

SVM 是在目标检测和识别中已经广泛应用。

5. Boosting

Boosting 通过训练一系列越来越多的简单分类器，然后将他们的输出组合起来。Boosting 的分类器$h(\Bbb{x})$的结构可以表述为弱分类器之和，即
$h(\Bbb{x}) =sign[\sum_{j=0}^{m-1}\alpha_j h_j(\Bbb{x})]$