目标检测20年大总结--根据源Paper盘点2000年到2020年【3】传统目标检测2

3传统目标检测「2」

本节对几个传统目标检测器做些异同比较，以及展开整理下DPM检测器

3.1 基本流程

3.2 V-J

VJ时代里，典型的就是，使用Haar特征Adaboost算子来检测了

Haar+Adaboost+Cascade

Cascade级联思想可以快速抛弃没有目标的平滑窗（sliding window）,因而大大提高了检测效率。但它有一个很大的缺点，它仅仅使用了很弱的特征，用它做分类的检测器也是弱分类器，仅仅比随机猜的要好一些，它的精度靠的是多个弱分类器来实行一票否决式推举（就是大家都检测是对的）来提高命中率，确定分类器的个数也是经验问题。

这个很弱的特征就是like-haar特征。这个弱分类器是adaboost，因为adaboost每一步迭代只用了180000（24*24的图像）个特征中的一个特征，所以说adaboost不算强分类器。

3.3 HOG

HOG时代里，常见的检测器当是HOG+SVM 与HOG+Cascade

3.3.1HOG+SVM 与HOG+Cascade对比

HOG的优点：

• 核心思想是所检测的局部物体外形能够被梯度或边缘方向的分布所描述，HOG能较好地捕捉局部形状信息，对几何和光学变化都有很好的不变性；

• HOG是在密集采样的