2D: 传统目标检测算法综述

一. 目标检测的发展历程

1. 2001年，V-J检测器诞生，主要用于人脸的检测；
2. 2006年，HOG + SVM的方法出现，主要用于行人的检测；
3. 2008年，rgb大神（记住这个人，后面的R-CNN系列检测算法也是出自他之手）研究出了著名的DPM算法，在深度学习方法成熟之前的很长一段时间里，就是这个算法一直在目标检测中发挥作用；

以上算法是属于传统目标检测的算法，都是基于图像处理和计算机视觉的！

------------------------------------------------------------------分割线------------------------------------------------

到了2012年CNN的崛起，开始了深度学习和计算机视觉结合的旅程！

4. 2013年，出现了Overfeat；
5. 2014年，rgb大神提出了大名鼎鼎的R-CNN检测算法，开始了two-stage的旅程；
6. 2014年，SPPNet诞生；
7. 2015年，R-CNN的快速版Fast RCNN 和 Faster RCNN，以及yolo，yolo的到来标志着one-stage检测算法的开启；
8. 2016年，大家都爱的SSD到来；
9. 2017-2018年，Pyramid Networks，还有Retina-Net。 

二. 什么是目标检测？

1. 目标检测就是找出图像中所有感兴趣的目标，识别他们的类别和位置。
   （1）什么是类别？
   类别就是一个分类的标签，即感兴趣的目标属于什么种类，猫，狗，羊等。
   （2）什么是位置？
   位置用矩形框表示，目标检测的位置信息一般有两种格式（以图片左上角为原点（0, 0））：

       极坐标表示：(xmin, ymin, xmax, ymax)
                             xmin,ymin: 矩形框的左上角坐标
                             xmax,ymax: 矩形框的右下角坐标
                             
       中心点坐标：(x_center, y_center, w, h)
                             x_center, y_center: 目标检测框的中心点坐标
                             w, h: 目标检测框的宽、高
   

2. 目标检测的输出是一个列表，其中的每一项都会给出检出目标的类别和位置。类别就是一个分类的标签，而位置用矩形框表示。
   （1）比较：
   分类的输出是一个类别标签。对单分类来说，它就是一个整数，表示属于某一个类别；对多分类而言，它就是一个向量。

三. 什么是传统目标检测？

1. 传统目标检测和深度学习目标检测的区别：
   传统目标检测：很多任务不是一次性就可以解决，需要多个步骤；
   深度学习目标检测：很多任务都采用end-to-end方案，即输入一张图，输出最终想要的结果。算法细节和学习过程全部交给了神经网络。

2. 完成一个目标检测任务一般分为三个步骤：
   第一步选择检测窗口；
   第二步提取图像特征；
   第三部设计分类器。
   如下图所示：
   

四. V-J人脸检测算法

1. 候选框选取：
   V-J框架使用的就是最简单的滑动窗口法（穷举窗口扫描），它的训练尺度是24*24的滑动窗口。

2. Haar特征提取：
   关于Haar特征，通俗点讲就是白色像素点于黑色像素点的差分，即value = 白 - 黑，是一种纹理特征。
   (1）V-J算法特征提取矩形框图：
   包括三种特征，分为两矩形特征、三矩形特征、对角特征。如下图所示：
   

   (2）使用积分图加速计算特征：
   积分图的特点就是，该图像中的任何一点，等于位于该点左上角的所有像素之和，这可以被看成是一种积分，因此称之为积分图。

   (3）计算方块内的像素和：
   为了理解如何计算任意矩形内的像素值，我们画出四个区域A、B、C、D，并且图中有四个位置分别为1、2、3、4。如下图所示：
   我们要计算D区域内部的像素和该怎么计算？

   记位置4的左上的所有像素为rectsum(4)，那么D位置的像素之和就是rectsum(1)+rectsum(4)−rectsum(2)−rectsum(3)。
   
   我们前面提到有三种类型的Haar特征。其中二矩形特征需要6次查找积分图中的值，而三矩形特征需要8次查找积分图中的值，而对角的特征需要9次。
   

3. 训练人脸分类器：
   V-J采用的是Adaboost算法，原理如下：
   a. 初始化样本的权重w， 权重之和为1；
   b. 训练弱分类器；
   c. 更新样本权重；
   d. 重复步骤b
   e. 最后结合多个弱分类器的结果进行投票。
   将多个弱分类器组合成一个强分类器，这就是AdaBoost方法的核心理念。

五. HOG + SVM行人检测算法

六. DPM检测算法

七. NMS算法

全名叫非极大值抑制算法，该算法的主要目的是为了消除检测得到的多余框，找到目标物体的最佳位置。
该算法具体的步骤如下：

1. 假定有6个带置信率的region proposals，并预设一个IOU的阈值如0.7。
2. 按置信率大小对6个框排序: 0.95, 0.9, 0.9, 0.8, 0.7, 0.7。
3. 设定置信率为0.95的region proposals为一个物体框；
4. 在剩下5个region proposals中，去掉与0.95物体框IOU大于0.7的。
5. 重复2～4的步骤，直到没有region proposals为止。
6. 每次获取到的最大置信率的region proposals就是我们筛选出来的目标。

参考文献：https://blog.csdn.net/leeyisong/article/details/96422963