Fast detection of multiple objects in traffic scenes with a common detection framework

IEEE Transactions on Intelligent Transportation Systems. 2015

本文使用一个通用框架来检测三个东西：车、交通信号标志、骑自行车的人。
aggregated channel features + Shrinkage version of AdaBoost

系统大的框架如下：

A. Object Subcategorization
对于同一类的物体，如果彼此相差很大，我们将其分成若干个子类，对每个子类训练一个检测器进行检测。
1) Visual Features 我们使用 ACF特征，比HOG效果要好
2) Geometrical Features 几何特征是很重要的特征，这里我们使用 3D orientation，Aspect-ratio，Truncation level，Occlusion index

3) Clustering 这里我们使用 normalized spectral clustering 进行分子类

B. Feature extraction
1) Aggregated channel features (ACF)：LUV color channels ，
Gradient magnitude channel，Gradient histogram channels
2) Spatially pooled features: Covariance matrix–Spatially pooled covariance
Local Binary Pattern–Spatially pooled LBP

C. Supervised learning

使用 Bootstrapping 训练较难的样本

D. Post-processing
1) Calibration of confidence scores
2) Non-maximum suppression (NMS)
3) Fusion of detection results

IV. E XPERIMENTS