《Rapid Object Detection using a Boosted Cascade of Simple Features》论文笔记

前言

最近几天效率低下，写了下毕设开题报告，为准备复试整理了之前的国创DMP轨迹规划算法，还有就是磨磨蹭蹭看完了传统人脸检测中具有里程碑性质的VJ 基于adaboost和cascaded人脸检测算法。本来还想看一篇关于这篇论文的分析，结果看英文看的头昏脑涨看一半实在看不下去了。
VJ人脸检测算法主要的效果是在保持较高检测率和低false negative率的同时，相比之前的算法大大提升了检测速度。
首先，目标检测的基本原理就是先通过训练集学习一个分类器，然后在测试图像中以不同scale的窗口滑动扫描整个图像；每次扫描做一下分类，判断一下当前的这个窗口是否为要检测的目标。
这篇论文提出了三个亮点：第一个是通过引入Harr-like的检测人脸特征子，并通过积分图的计算方法，大大减少了计算特征的时间。第二是使用adaboost结合多个很简单而又很有效率的单分支决策树分类器作为分类器；每个单分类器仅使用单个特征，且通过一个阈值实现正反类的分类。第三点是使用级联cascaded的结构，从简单到复杂把多个分类器级联起来，前几级分类器具有较高的检测率较低的false negative，从而把图片中大部分不含人脸的区域sub-windows过滤掉，而对可能包含人脸的区域重点检测，从而大大加快了检测速度。
论文的链接为：Rapid object detection using a boosted cascade of simple features
对于这篇文章的分析：An An