传统目标检测算法

目标分类：给一张图片，分类

 

目标检测：给一张图片，找到目标，并用矩形框画出

分类是对一幅图整体，检测是更进一步，找出一幅图中一部分。一般检测以分类为基础，

目标检测就是找出图像中所感兴趣的物体，包括物体定位和物体分类两个子任务，即不仅需要对物体进行分类，还要检测出物体的位置。 通常分为单目标检测和多目标检测，

1）区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高）

2）特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差）

3）分类器分类（主要有SVM、Adaboost等）

上面的检测通常分三步走：

1. 区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高）；
2. 对可能包含物体的区域进行特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差）；
3. 对提取的特征进行检测分类（主要有SVM、Adaboost等）。