传统目标检测方法学习笔记

目标检测的定义

目标检测存在的问题：
目标种类和数量问题
目标检测尺度问题
外在环境干扰问题
目标检测方法的发展：

传统目标检测算法

传统目标检测算法基本流程：

Viola Jones（人脸检测）

1. Harr特征（属于纹理特征的一种）
   

2. Adaboost算法

HOG+SVM算法（行人检测）

提取HOG特征
训练SVM分类器
利用滑动窗口提取目标，进行分类判断
NMS进行候选框过滤
输出检测结果

HOG特征：
灰度化+Gamma变换：
计算梯度map
图像划分成每个小的cell，每个cell画直方图
多个cell租成一个block，特征归一化
多个block串联，并归一化

DPM算法

是HOG算法的扩展
DPM符号获取：

计算响应图
Latent SVM分类器训练
SVM分类器，NMS合并候选框
检测识别

NMS非极大值抑制算法

目的：消除多余的框，找到最佳的物体检测目标位置。
思想：选取那些邻域里分数最高的窗口，同时抑制分数最低的窗口。（得分就是概率值）
Soft-NMS：