物体检测的提速方法

物体检测是一个很宽泛的概念，在CV领域一直备受关注。世界级的PASCAL VOC每年都搞物体识别与物体检测方面的比赛。目的是推动该领域的发展。从2005年到现在，一直持续着。其中的组织者如下，相信CV领域的人一定不陌生:

Mark Everingham (University of Leeds), m.everingham@leeds.ac.uk

        Luc van Gool (ETHZ, Zurich)

        Chris Williams (University of Edinburgh)

        John Winn (Microsoft Research Cambridge)

        Andrew Zisserman (University of Oxford) 

 而且每次比赛后都进行综合的分析。主要有上面的组织者撰文发表，并附有意见。

好了，言归正传吧。物体检测的方法一直以来已全局搜索的效果为佳包括人体检测HOG+SVM(2005),人脸检测Haar+Adaboost（2001）。但是要扩展到物体检测。可能就有新的挑战了，包括物体的形状不规范，颜色，纹理变化大等特点。在图像的表现是有的偏重形状，有的偏重外观(Appearance，这么翻译可能不对，哈哈先这样理解吧)。那么上面的搜索基础可能会出现不适用或效果不好。

    基于上面的分析，从效果的考虑。很多学者采用了形状+外观。

   Oxford提供一种思路:先确定位置，然后识别。怎么定位，可以采用ISM的方式定位，但是这里是弱化的ISM，目的是为了不漏掉位置。然后用PHOG+SVM完成识别。在   VOC2007的综合评比中，该算法达到的6个突出的结果，而且是只提出了检测6类物体，全中！很是攒。文章是Chum,O的。分析一下，可以感觉到，这种方法在速度上也应该是快的。因为他结合了ISM的快速。重点偏向于有纹理的物体啦。

   UoCTTI基本上是全程扫描的，效果也不错，赢了6个Felzenszwalb的模型还是挺靠谱的。重点针对形状啦。但是就是速度上有些慢了。

ESS是一种重纹理重速度的方法，可以说是上面算法的一种折中了。他深入的将SVM线性算法进行反向整合。达到高速的目的。效果也还不错，赢了3个。作者是Lampert

针对ESS的速度，人们是难忘的，但是其理论上似乎缺少了点什么，哦，想一想，可能是形状啦。那如何加入呢。有的人采用的EdgeGrouping的方法，即使认为物体是有一堆线段框成的。如果我们找到一堆框，然后再在框中考虑ESS(这是ESS的本意)不是可以引入形状，同时也提高的速度吗？！哈哈是的，WangSong学者就是这么干的。还好了，不过个人认为他的边缘直线化不如直接用一个直线检测的算法搞定，不必用Canny，然后再直线化，也许会更好些。呵呵，建议而已。

个人认为在这里对形状的重视，没有发现有人用距离变换的。个人认为这个也应该得到相应的效果啦。并且Hausdoff也应该有快速算法来提升器效果。

综上，我们看到在提升物体检测的效果和速度上，学者们都使出了很多的方法。尤其是在形状和纹理结合上下工夫做到最优。相信不久将来还会有更好的方法出现。