Crosstalk Cascades for Frame-Rate Pedestrian Detection 阅读笔记
Crosstalk Cascades for Frame-Rate Pedestrian Detection
（目的：逐步减少输入检测框数量）
1 介绍
（说明已存在方法很慢，引出本文的算法。略。。。）
检测速度取决于特征和分类器。
文献【4】提供了一个快速多尺度特性的优化算法：在相邻位置构建两个级联；本文的串级联算法可以提高4~30倍的速度；
Fig.1 每个棒子代表一个级联的评估，绿球代表级联阶段的评估，红圈代表局部最大探测响应。（Left：在标准的级联方法中，每个位置都是单独分类评估的。Right：结合Crosstalk Cascades算法可以显著地减少运算量，同时要求更少的整体弱分类器的评估）
2 基探测器
目前，Channel features已经是最好的。一幅图像，具有相同特性的channel可以被计算出来，矩形通道区域以外的特性可以用作积分图像。在多尺度检测中。特性计算普遍基于稀疏的图像金字塔，文献【4】提到了如何计算这种通道特性。
我们重新实现这种通道特性，包括：梯度幅值 （1 channel），梯度直方图（6 channel）和 LUV 颜色通道（3channels）
2.1 探测器相关性
相近位置和尺度的探测器具有相关性。ROS由特性、分类器的能力以及训练数据决定。ROS与k（分类能力）呈负相关。
3 soft cascades的限定
，当前分类器的分类结果受前面所有分类器结果的影响，
计算停止（拒绝当前检测数据进入下一分类器）；
3.1 拒绝阈值常数
，（文中）
；
3.2 优化soft cascades
定义
作为窗口
的检测结果，若窗口
为quasi-positive（
）则
。
考虑加入邻域检测窗口，若
且
，则
。
4 Crosstalk Cascades
介绍四种级联的构造算法：
1）soft cascades ：如果样本x在第k个分类器分类结果Hk(x) 小于 per-stage分类器的拒绝阈值
（即
），就拒绝进入下一分类器，其中
；
2）excitatory cascades ：若
，评价邻域窗口
，将满足条件的x和x’都划入
；
3） Inhibitory Cascades ：若
，则x被拒绝进入下一分类器；
4）Crosstalk Cascades ：组合Soft cascades、Excitatory cascades和Inhibitory Cascades 算法，成为Crosstalk Cascades算法。
Crosstalk Cascades算法步骤（自己整理的）：
声明：
（1）Let Xg denote all x sampled in a grid with a step size half the size of N ；
（2）boosted classifier H；
（3）target QMR（the quasi miss rate）γ；
（4）Xk表示经过k级分类器的检测窗口x的集合，XK为输出的包含对象的检测窗口；
input：Xk 、Xg、 H 、γ
初始化：Xk为所有的检测窗口x的集合，阈值θkE=θkR=θkI=0，Xg；
for stage k=1:K
1）计算H(xj)，xj属于Xg；
计算阈值θkE:
其中：hjo为max(H(N(xj)))；
若H(xj)小于θkE，则Xk=Xk-xj-N(xj)；
更新Xg；
2）计算H(xi)，xi属于Xk；
计算阈值θkR:
其中：
若H(xi)小于θkE，则Xk=Xk-xi；
3）计算min(H(xi)/H(N(xi))),xi属于Xk;
计算阈值θkI:
其中：
若min(H(xi)/H(N(xi)))小于θkI，则Xk=Xk-xi；
4）判断Xk是否为空？是，则输出 no object；
否，k+1,返回步骤 1）;
output：包含对象的检测窗口 XK
疑问：
1）是否可以加一个ke作为Excitatory cascades最大k级分类器（已解决）
2）Xg更新？ （已解决）
3）Inhibitory Cascades的比值计算是不是增大了计算量？ （已解决）
5 分析
1）三种soft cascade方法（recalibrate、semi-supervised、unsupervised）的实验结果（提升速度、误差）对比；
2）对比不同γ对误差和fppi的影响；
3）对比不同大小的检测窗口对soft cascades速度提升倍数的影响；
4）对比不同方法（文献【6】中提供）、不同γ的crosstalk cascades的误差和速度；
5）对比四种方法（）的误差和fppi结果；
6 结论
Our approach is simple and effective and achieves faster than frame-rate detection
疑问？
1）邻域确定，
计算 （已解决）
2）各阈值的计算 （已解决）
3）基检测器的
a）输入channels特征【6】；
b）检测方法 （已解决）
4）检测窗口滑动的规则 （已解决）
——————————————————————写在最后——————————————————
本文为笔者的阅读笔记，有任何错误和疑问，欢迎联系QQ邮箱：[email protected]