How Far are We from Solving Pedestrian Detection?

是一篇综述性文章。

作者为了得知当前最好的检测方法还有多大发展空间，采取的方法就是将当前较好的检测方法与人工检测做对比。

人工检测方法：从头顶到双脚之间画一道线，框出人所在的位置。

对比方式：自动检测方法画出的方框如果与人工检测的方框重合度达到50%以上，就认为检测到了此行人。

对比结果：最好的检测方法也比人工检测的效果差了10%。

P.S.checkerboards最好，checkerboards其实是Integral Channel Feature的一种。

所以作者提出这篇文章要解决的问题：

如何缩小甚至消除机器检测准确率与人工检测准确率之间的差距？

首先分析为什么机器检测有时候会出错，然后再改进出错的地方，性能自然就提升了。

先分析检测方法的问题。

检测方法主要有三方面的问题：False Positive (误报)、False Negative(漏报)、Poor Alignment(校准错误)

先分析False Positive的种类，作者统计了一下，主要分三类：重复框出同一个人象、框出了完全没有行人的背景、忽略了一部分存在行人的区域（数据集中的标签错误）

举例：

再分析False Negative的种类，作者统计了一下，主要分三类：没有检测到乘坐交通工具的人、没有检测到只漏出侧面的人、没有检测出过小的和重叠的人

最后举例Poor Alignments的情况：

提出对于这些错误的解决办法：

False Positive:

重复框选同一人问题	当选中人时，模仿手工框选的方法绘制从头到双脚间的标准线。 同时选中框要按照这个人最大可见区域绘制，来保证把行人最大范围地选中。
选中无行人区域问题	检测器需要结合垂直方向的图像上下文来探测物体，不能局限于图像的一个小部分，也可以事先对物体高度进行粗略地估计。
忽略部分区域	给训练集中数据打标注时，应该通过观看整个影像来确定行人是否存在， 要把一些容易被忽视的区域也标注出来，如：人群、海报和雕像中的人以及不确定是否包含行人的区域。

False Negative:

交通工具问题	在训练集中额外添加行人乘坐交通工具的图片
行人侧身问题	在训练集中额外添加行人侧身的图片
人象过小和重叠问题	对训练集和测试集图片进行重新标注

采取了新的数据集（新的数据集为对旧的数据集中的图片进行重新标注）

新的与旧的区别：

1.把以前被忽视的区域和人群都标注出来。
2.标注结果不是从单张图片得来的，是从整个视频影像得来的。
3.可以对同一张图片的标注进行多次校正。

进行了实验：用新的/旧的测试集在新的/旧的/INRIA上测试。

结果：

1.使用原始标注进行测试时只有原始数据集表现较好。
2.使用新型标注进行测试时，INRIA和使用了新型标注的数据集都表现得比1的结果好。

在前景背景识别方面又加上了卷积神经网络：VGG 和AlexNet

结论：

1.AlexNet不能一直保持优势。

2.VGG也类似，在与效果较差的检测器对比时，效果有提高，但当使用较好效果的检测器时，VGG就会出问题。
但VGG又比AlexNet强。

3.再加上边框回归+NMS效果较好。

因此：

RotatedFilters+图像校准+新标注的数据集+VGG+边框回归NMS是较好的选择。

本文结论：

通过人工对图片进行行人检测，得出了对于自动探测器探测准确率的期待值。深入分析了为什么当前的优秀探测器没有达到这个标准。对于不同的检测错误提出了相应的解决方案，相信在未来机器与人在行人检测方面的差距将进一步缩小。