计算机视觉中的——人体检测

主流的人体检测（based on the search method），主要分为两大类：

第一类：在图像中所有可能的subwindows中，顺序的利用分类器~

比如：SVM+Haar wavelets

           用Adboost选择最有分辨力特征，多个分类器进行rejection级联，任何一个不满足，则可以判定为负样本。     

           SVM+densely sampled histogram of oriented gradients (SIFT)

第二类：检测人体的各个部分（local features），并根据每个部分的几何约束，总成human model。

比如：人体各个部分共发生性，每个部分分别训练一个模型（Adaboost）

 

Human detection via classification on RIemannian manifolds 利用区域协方差作为human descriptors.

区域协方差描述子(Covariance Descriptors)  利用积分图来计算特征~

为了使此特征描述子对光照变化等有一定的鲁棒性，来规则化特征向量，使具有0均值和单位方差。

 

黎曼几何(Riemannian Geometry)

对于正定对称矩阵，测地线距离可以定义为：

The Karcher mean of points on Riemannian manifold:

读 Human detection via classification on RIemannian manifolds 有感~