在Viola and Jones's论文第5.6节中,作者提到他们整合了检测器在检测图像中的脸部时进行的多次检测。在这种情况下,检测仅仅是位于检测器认为脸部存在的图像上方的矩形区域。积分是重叠矩形区域的简单组合。这很有用,因为检测器可能会在扫描图像时在单个脸部周围产生很多检测结果。高效整合检测结果
请注意,许多检测可能不会与其他检测重叠,因此可能有多个集成检测。例如,考虑具有两个面的图像,即A
和B
。还要考虑图像的区域为C
和D
,它们与面非常相似,但不是面。在这种情况下,检测器可以产生脸部A
的3个重叠检测,面部B
的5个重叠检测,区域C
的1个检测以及区域D
的10个重叠检测。考虑到一个区域的检测与另一个区域的检测不重叠,整合程序应该产生一个面部最终检测A
,面部B
的另一个检测,区域C
的另一个单独检测和区域D
的另一个单一检测。这4个综合检测结果应该显示给用户。
因此,要整合检测,有必要将它们分为重叠检测的子集。但是我们应该在子集中添加任何与任何检测重叠的检测。对检测列表进行简单迭代的性能会很差(Ω(n²))。
我的问题是:什么数据结构和算法允许快速集成检测?请提供一些关于您提及的方法的文学证据(例如论文或书籍参考资料)。
您最想忍受哪种错误? – stark
@stark不确定你的意思。根据这篇论文,所有重叠的检测都集成到一次检测中。这发生在真正的肯定和误报上。 – Ramiro
如果他们都是同样有效的,那么随便选一个 – stark