目标检测20年大总结--根据源Paper盘点2000年到2020年【2】传统目标检测1

传统探测器概述及论文

有专家学者把基于机器学习的传统检测，大概分3个阶段，包括外观统计模型（1998年以前）、小波特征表示（1998-2005年）和基于梯度的表示（2005-2012年）

大多数早期的目标检测算法都是基于手工制作的功能构建的。由于当时缺乏有效的图像表示，人们不得不设计复杂的特征表示，并采用各种加速技术来耗尽有限的计算资源。这里主要整理3个典型的传统目标检测器

1、V-J探测器

1.1 概览

P.Viola和M.Jones首次实现了对人脸的无任何限制的实时检测（例如肤色分割）。在700MHz的奔腾III CPU上运行，在同等的检测精度下，探测器的速度比其他算法快几十倍甚至几百倍。这种检测算法后来被称为“Viola-Jones（VJ）检测器”，本文以作者的名字命名，以纪念他们的重大贡献。

VJ探测器采用了一种最直接的检测方法，即滑动窗口：通过图像中所有可能的位置和比例来查看任何窗口是否包含人脸。虽然这似乎是一个非常简单的过程，但其背后的计算远远超出了当时计算机的能力。VJ探测器通过结合三种重要技术“积分图像”、“特征选择”和“检测级联”显著提高了其检测速度。

（一）积分图像：积分图像是一种加速盒滤波或卷积过程的计算方法。与当时的其他目标检测算法一样[29-31]，Haar小波在VJ检测器中被用作图像的特征表示。积分图像使得VJ检测器中每个窗口的计算复杂度与窗口大小无关。

（二）特征选择：作者没有使用一组手动选择的Haar基滤波器，而是使用Adaboost算法[32]从大量随机特征池（约180k维&