目标检测(四)--ICF

 转自:http://blog.csdn.net/carson2005/article/details/8455837

Integral Channel Features; Piotr DollarZhuowen Tu; BMVC2009;

目标检测算法的性能主要受到两个因素的制约:学习算法和特征描述算子。积分通道特征(作者自创的词汇,后面会详述)主要从特征描述的角度来探讨解决问题的可能性。积分通道特征(integral channel features)的大概思路是:通过对输入图像做各种线性和非线性的变换,诸如局部求和、直方图、haar-like及它们的变种之类的特征便可以通过积分图来快速计算出来。这算不算类似CNN特征计算的本质,加上积分图加速方法?

目标检测(四)--ICF_第1张图片

目标检测(四)--ICF_第2张图片

目标检测(四)--ICF_第3张图片

目标检测(四)--ICF_第4张图片

目标检测(四)--ICF_第5张图片

目标检测(四)--ICF_第6张图片

补充(部分内容有重复):

积分通道特征的大致含义是:通过对输入图像进行各种线性和非线性的变换,图像的很多(常用)特征,例如,局部求和,直方图,haar以及它们的变种,可以借助于积分图来快速,高效的计算出来。作者通过一系列的实验数据和相关公式,证明了积分通道特征不仅比HOG特征具有更好的性能(当然,是指代行人检测方面),而且它还具有以下四个特征:

(1)从不同角度集成了各种特征信息。

(2)在检测过程中,空间定位准确性更高;

(3)具有较少的参数设置;

(4)跟级联分类器相互结合之后,具有更快的检测效果;

   目标检测(四)--ICF_第7张图片

目标检测(四)--ICF_第8张图片

目标检测(四)--ICF_第9张图片

目标检测(四)--ICF_第10张图片

目标检测(四)--ICF_第11张图片

目标检测(四)--ICF_第12张图片

目标检测(四)--ICF_第13张图片

目标检测(四)--ICF_第14张图片

目标检测(四)--ICF_第15张图片

目标检测(四)--ICF_第16张图片

目标检测(四)--ICF_第17张图片

目标检测(四)--ICF_第18张图片

积分通道特征的matlab代码可以去这里下载:http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html



你可能感兴趣的:(目标检测)