經典計算機視覺論文筆記——《Robust Real-Time Face Detection》
阿新 • • 發佈：2019-01-05
第一次讀這篇傳奇之作大概是九年前了，也就是2007年，而那時距論文正式發表（2004年）也已經有四年之久了。現在讀來，一些想法，在深度學習大行其道的今天仍然具有借鑑意義，讓人敬佩不已。
VJ人臉檢測器應該是歷史上第一個成功商業應用的實時人臉檢測器。我估計現在相機和手機上的人臉檢測演算法絕大部分還是VJ或VJ演算法的徒子徒孫。OpenCV當年也是憑藉VJ演算法的整合而一炮走紅，到現在還是最主流的計算機視覺演算法庫。本人在真實環境下親測，2010年後的許多能在FDDB測評主頁上露個臉的開源演算法，其實效果都不見得會比VJ演算法好多少。
| 創新點 | 作用 |
| 積分圖 |
加速haar特徵計算的巧妙點子。一勞永逸，去掉特徵計算中的冗餘。 |
| AdaBoost人臉檢測器 |
特徵選擇+分類器融合。對adaboost的思想進行合理改造，一個haar特徵對應一個弱分類器，弱特徵組合成強特徵，弱分類器組合成強分類器。 |
| 級聯結構 |
由粗到精的檢測策略，加速的同時又能保證精度。先在前期用快速演算法把大量非人臉去掉，平衡後期慢速的更精細分類開銷。 |
一些值得反思的細節
- AdaBoost演算法是1995年提出的，這篇論文正式發表是在2004年。如此經典的boosting思想怎麼沒早一點被人發揚？
- 實驗環境：384*288解析度，700MHz Pentium3，15幀每秒。現在主流攝像頭解析度是640*480，但硬體計算能力要遠遠超越當時，24幀每秒毫無壓力。
- 一幅影象上非人臉窗口占絕大多數，自然會想到先快速把大量非人臉幹掉的cascade的策略。
- Haar特徵只是三種特徵（左右和上下矩形相減算一種），表達能力有限。但由於多比例伸縮、平移，構成了一個龐大的特徵集合，表達能力爆表。
- 在檢測不同大小的人臉時，沒有采用金字塔策略，而是直接用不同尺度的人臉檢測器在同一幅影象上掃。作者認為生成金字塔太慢。但除了24*24尺度的，其它尺度的檢測器的cascade細節幾乎沒有介紹。不知道是不是我搞錯了？
- 24*24的影象上，全部的Haar特徵有160000個！最後cascade選擇出來的一共有6060個特徵。
- 積分圖的計算也是非常快的，從左上角開始遞迴計算，沒有冗餘。
- AdaBoost演算法的目標是擬合訓練集。因為單個弱分類器的擬合太差了。但是，如果一個演算法本身對訓練集擬合的就很好了，比如深度學習，就不能看作是一個弱分類器，不適合用於AdaBoost框架。
- 在分類器型別一致的情況下，不同的特徵就代表了不同的分類器。特徵組合和分類器組合就是一回事。
- AdaBoost的每次迭代，只和前一次的迭代結果有關。
- cascade共包含38個AdaBoost分類器，複雜度逐漸遞增。複雜度的遞增是通過採用的樣本越來越難分、特徵數量越來越多實現的。
- 檢測出有重疊的人臉時，沒有用目前主流的IOU去重。畢竟年代太古老了。
借鑑之處
- cascade的思想。許多檢測問題，負類會在樣本中佔絕大多數比重，可以先在保證正類檢測率近100%的情況下，去掉大量負類。再通過更精細的演算法繼續精準分類。
- 想想演算法中有沒有冗餘計算之處，並加以優化。
- AdaBoost的生命力長青。參考遷移學習中的TrAdaBoost。
- 某些情況下，特徵就代表分類器，不需要分得太清。
- 梯度型別的特徵就是牛逼！參考SIFT，HOG，LBP。