目标检测算法基础介绍---（2）传统目标检测（笔记）

已于 2022-02-17 11:02:08 修改
阅读量5.2k 收藏 19
点赞数
分类专栏： 深度学习 文章标签： 传统目标检测
于 2019-05-18 15:23:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43211132/article/details/90272660
版权
本文介绍了传统目标检测的基本流程，包括Viola-Jones的人脸检测、HOG+SVM的行人检测以及DPM物体检测。Viola-Jones使用Adaboost算法训练人脸分类器；HOG特征结合SVM进行行人检测；DPM通过有符号和无符号梯度计算特征，并采用Latent SVM训练。非极大值抑制(NMS)用于消除多余检测框，Soft-NMS作为改进算法提高检测精度。
摘要由CSDN通过智能技术生成

传统目标检测算法基本流程
在这里插入图片描述
候选框的提取通常采用滑动窗口的方法。

滑动窗口方法：首先对输入图像进行不同窗口大小的滑窗进行从左往右、从上到下的滑动。每次滑动时候对当前窗口执行分类器(分类器是事先训练好的)。如果当前窗口得到较高的分类概率，则认为检测到了物体。对每个不同窗口大小的滑窗都进行检测后，会得到不同窗口检测到的物体标记，这些窗口大小会存在重复较高的部分，最后采用非极大值抑制(Non-Maximum Suppression, NMS)的方法进行筛选。

特征提取：
底层特征：颜色、纹理…
中层次特征：基于低层特征进行机器学习挖掘后的那些特征。
高层次特征：将低层次特征或者中层次特征进一步挖掘和表示后的特征，如：人是否戴帽子戴眼镜什么的。

（1） Viola-Jones（人脸检测）

  • Harr特征提取
  • 训练人脸分类器（Adaboost算法等）
  • 滑动窗口 （问题：互动窗口的步长好大小）

Haar特征
主要是差分。
四种基本特征：
在这里插入图片描述
value=白 - 黑

最低0.47元/天 解锁文章
奔跑的小仙女
关注
专栏目录
CV学习：传统（机器学习）目标检测——HOG+SVM检测器
m0_51485946的博客
08-05 3319
HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，是与SIFT、SURF、ORB属于同一类型的描述符。HOG不是基于颜色值而是基于梯度来计算直方图的，它通过计算和统计图像局部区域的梯度方向直方图来构建特征。HOG特征结合SVM分类器已经被广泛应用到图像识别中，尤其在行人检测中获得了极大的成功。
目标检测算法基础介绍---（1）目标检测问题定义和方法（笔记）
奔跑的小仙女
05-16 1454
目标检测问题定义 目标检测是在图片中对可变数量的目标进行查找和分类。 目标种类与数量问题 目标尺度问题 外在环境干扰问题 框上有类别和置信度（有阈值限定） 特征提取是重点！ 目标分割：语义分割（除去背景区域的其他区域位置，精确到像素级别） 实例分割：实例层面的。更细致。 图像分类：只指出类别。 目标检测的方法 传统方法到深度学习方法的变迁。 1、传统方法：VJ、HOG、DPM（基于传统手工特...
目标检测的模型集成方法及实验
AI公园
01-13 1091
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Vikas S Shetty编译：ronghuaiyang导读模型集成是一种提升模型能力的常用方法，但也会带来推理时间的增...
深度学习之目标检测 第3章 传统目标检测方法基本流程
moonlightpeng的博客
07-01 1393
传统目标检测方法基本流程 候选框滑动窗口 特征 计算机视觉和模式识别的一些方法 基于颜色，形状，一些中高层次语义的方法 PCA降维 低层特征基于颜色，形状 基于低层特征机器学习的特征 将低或中层次的进一步提取 ...
传统目标检测算法基本流程
weixin_39568744的博客
06-27 1万+
传统目标检测算法基本流程 首先给定一张待检测图片，然后对这张图片进行候选框的提取。候选框的提取通常采用滑动窗口的方法进行，接下来对每个窗口中的局部信息进行特征提取（通常采用一些经典的计算机视觉模式识别中的算法，包括：基于颜色、基于纹理、基于形状的方法，以及一些中层次或高层次语义特征的方法，这些方法有些是需要学习得到的。如：抽取基本的直方图特征，常见的纹理特征） 计算机视觉中常见的特征提...
【机器学习】传统目标检测算法总结
热门推荐
qq_32742009的博客
08-03 4万+
目标检测是什么 object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。所以，object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。 然而，这个问题可不是那么容易解决的，1、物体可以出现在图片的任何地方，并且其尺寸变化范围很大。2、摆放物体的角度，姿态不定。3、物体还可以是多个类别。 目前学术和工业界出现的目标检测算法分成...
无人机视频图像运动目标检测算法综述------2019年-------------
最新发布
qq_42036501的博客
11-27 2086
当处理无人机拍摄的数据时，需要根据无人机的运动信息和图像特点仔细选取合适的算法,才能获得较好的检测结果。彭博蔡晓禹等[11-12]针对无人机视频图像的运动车辆检测，提出对称帧差结合分块背景建模法，将检测出的车辆用矩形框出,并建立了算法评价体系，算法正确检测率较高,基本不会将同一辆车重复检测，但不能完整检测出部分车体颜色与路面灰度较为接近的车辆，如黑、灰色车辆。主流： 帧间差法、背景建模法、光流法 ----------------------近几年改进------------------------>
【论文笔记】--目标检测算法在交通场景中应用综述
weixin_52820633的博客
10-30 3401
目标检测算法在交通场景中应用综述 摘要   总结目标检测算法发展与研究现状，one-step与two-step优缺点对比，以车、人、非机动车为目标，从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测、重识别六个方面分别论述和总结。   交通场景是目标检测领域热点，传统方法复杂、精度低，深度学习方法发展。目标检测分为基于候选区域（two-step）和基于回归（one-step）两类。前者通过子网络辅助生成候选边界框，后者直接在特征图上生成候选边界框。   基于候选区域的算法检测速
【论文笔记】--基于深度学习的目标检测算法综述
weixin_52820633的博客
10-30 837
基于深度学习的目标检测算法综述 摘要   对目标检测算法进行对比，研究两阶段与一阶段算法的发展过程，提出未来发展方向。目标检测包括分类和定位，传统算法使用滑动窗口选择候选区初步定位，通过局部二值模式、方向梯度直方图等进行特征提取，通过支持向量机、Adaboost算法进行分类。传统算法效率与准确率低，鲁棒性差，深度学习算法成为热门。 两阶段目标检测   区域提取算法核心是卷积神经网络CNN，先利用CNN骨干提取特征，然后找出候选区域，最后滑动窗口确定目标类别与位置。 R-CNN首先通过 SS 算法提取 2k
传统目标检测
yunxinan的专栏
08-02 314
二值图像中目标物体轮廓的边界跟踪算法
01-04
摘要 :分析了二值图像识别中常见的边界跟踪算法, 在此基础上提出一种通用性强的边界跟踪算法, 能够根 据上一边界点的位置判断轮廓走向.在搜索下一个边界点时, 只需要对候选的 5 个点进行判断, 便可以找到下 一个边界点的位置, 从而减少了搜索的次数, 使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可 以一次扫描得到其轮廓信息.实验表明, 算法不仅速度快, 而且轮廓识别准确.对于目标物较复杂的图像, 算法 更能体现出其优越性. 关键词 :图像识别;二值图像;边界跟踪;目标物体轮廓;模式识别
【机器学习】传统目标检测算法之Haar分类器
qq_32742009的博客
08-03 3389
引言 Haar分类器又称Viola-Jones识别器，是Viola和Jones分别在2001年的《Rapid Object Detection using a Boosted Cascade of Simple Features》和2004年的《Robust Real-Time Face Detection》提出并改进的。Haar分类器由 Haar 特征提取、离散强分类器、强分类级联器组成。核心...
笔记 | 集成学习的目标检测算法
Liaojiajia-Blog
12-03 3924
集成目标检测（1） Ensemble Methods for Object Detection（2）Boosting object detection performance through ensembling on satellite imagery（3）道路损坏检测挑战赛——YOLOv5（4）道路损坏检测挑战赛——YOLOv4 （1） Ensemble Methods for Object Detection 代码：https://github.com/ancasag/ensembleObjectDe
目标检测算法回顾之传统算法
xiaobaizaza_Ry的博客
05-24 1万+
基于传统的目标检测算法主要可以分为基于特征和基于分割两个方向。
目标检测-介绍及传统方法
shanzsz的博客
05-23 1万+
计算机视觉中关于图像识别有四大类任务： 分类-Classification：解决"是什么？"的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location：解决"在哪里？"的问题，即定位出这个目标的的位置。 检测-Detection：解决"是什么？在哪里？"的问题，即定位出这个目标的的位置并且知道目标物是什么。 分割-Segmentation：分为实例的分割（Instance-level）和场景分割（Scene-level），解决"每一个像素属于哪个目标物或场景"的问题。 一、
OpenCv学习笔记15--传统目标检测(HOG+SVM)
小熊猫的博客
11-27 8095
此opencv系列博客只是为了记录本人对<<opencv3计算机视觉-pyhton语言实现>>的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes. 欢迎star,不定时更新... 推荐前辈链接:https://www.cnblogs.com/zyly/p/9651261.html,解释的非常清晰 ...
OpenCV源码解析：目标检测trainCascade算法剖析之LBP基础
tanmx219的博客
10-27 1857
本文重点讲解LBP特征及OpenCV中LBP特征的基本处理。 目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。用级联分类器实现目标检测在AI人工智能识别中应用十分广泛。 正样本的选取原则 正样本的尺寸不是必须一致的，从源码可以看到，这个是可以在输入图片文件的尺寸时设置大小从而实现在CreateSamples中进行裁剪的（参考cvCreateTrainingSamplesF...
【目标检测】主流目标检测算法步骤分析
qq_41427568的博客
10-04 7018
看了这篇文章后（链接），用这篇博文总结一下目前主流的目标检测算法的步骤。 目录传统的目标检测算法R-CNN（Region Proposal + CNN）Fast R-CNNFaster R-CNNSSDYolov3Yolov3与SSD的区别 传统的目标检测算法 卷积神经网络CNN已经帮我们完成了图像识别（判定是猫还是狗）的任务，我们只需要添加一些额外的功能来完成定位任务即可。 思路一：作为回归问题...
前奏 | 传统目标检测算法思路
edward_zcl的博客
12-02 887
上期我们一起学了CNN中四种常用的卷积操作，如下链接：CNN中常用的四种卷积详解 从这期开始，我们开始步入目标检测领域的大门，开始逐步一层一层的揭开目标检测的面纱。路要一步一步的走，字得一个一个的码。步子不能跨太大，太大容易那个啥，字也不能码太多，太多也不好消化。 目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值