参考文献(Pedro F.Felzenszwalb)
- [1]Pictorial Structures for Object Recognition.2005
- [2]Object Detection with Discriminatively Trained Part Based Models.2010
- [3]Cascade Object Detection with Deformable Part Models.2010
[1]如何利用形变模型描述物体
通过描述每一部分和部分间的位置关系来表示物体。
可以用一无向图 G=(V,E) 来表示物体的模型,V={v1,…,vn} 代表n个部分,边 (vi,vj)∈E 代表两部分间的连接。
物体的某个实例的configuration可以表示为 L=(l1,…,ln),li 表示为 vi 的位置(可以简单的将图片的configuration理解为各部分的位置布局,实际configuration可以包含part的其他属性)。
给定一幅图像,用 mi(li) 来度量vi 被放置图片中的 li 位置时,与模板的不匹配程度;
用 dij(li,lj) 度量 vi,vj 被分别放置在图片中的 li,lj位置时,模型的变化程度。
因此,一副图像相对于模型的最优configuration,就是既能使每一部分匹配的好,
又能使部分间的相对关系与模型尽可能的相符的那一个。
[2]如何用它来做目标检测
寻找部件(latent SVM)
部件匹配
[3]加速检测过程
级联检测
特征降维