浅谈人头检测

做人数统计时，很自然地想到通过检测人头来计数。研究人头检测我主要是从两方面着手。

（一）传统方法

（1）opencv haar+adaboost 训练，经实测虽可检测，但鲁棒性不够好。

（2）opencv hog+svm训练，最终测试也是鲁棒性不够好。

以上两种方法都受制于样本数量问题，如果样本数量足够多，效果也自然会好点。

（二）深度学习方法

目前目标检测的主流方法是cnn，我选择的是caffe ssd框架，网络选用的是faceboxes（这部分需自己实现），选用faceboxes的好处是速度快精度高。训练数据选用的是HollywoodHeads，该数据库虽然样本数量较大，但仍存在以下问题：

（1）为电影场景，画面都是经过处理的，与现实中摄像头拍摄的画面寻找明显差异。

（2）虽名为人头数据集，但其中绝大部分为人脸部分，人头部分是少之又少。

使用faceboxes方法较之传统方法确实是好了点，但对于图像中人头分辨率太小的效果还是不太好，这时就不得不放大输入图像以取得更好的检测效果。