12、计算机视觉中的目标检测技术详解

计算机视觉中的目标检测技术详解

1. 图像金字塔与滑动窗口

在计算机视觉的目标检测领域，图像金字塔是一个重要概念。级联分类器会尝试在输入图像的不同尺度上检测目标。 detectMultiScale() 方法中的 scaleFactor 参数代表了在图像金字塔的每一步中，图像被重新采样为较小尺寸的比例。 scaleFactor 参数越小，金字塔的层数就越多，操作会更慢且计算量更大，但在一定程度上结果会更准确。

滑动窗口是计算机视觉中用于多尺度目标检测的技术。它通过检查图像的移动部分（滑动窗口），并结合图像金字塔进行检测。这样可以在不同尺度上检测目标，解决目标定位问题。不过，这种方法会产生重叠区域的问题。例如在人脸检测中，一个滑动窗口可能在四个不同位置都与同一张脸匹配，但我们只希望报告一个匹配结果，且只关注得分最高的部分。

2. 非极大值抑制

非极大值抑制（Non-maximum suppression）用于抑制与图像同一区域相关但不是该区域最大得分的所有结果。当使用滑动窗口检查图像时，我们希望保留围绕同一目标重叠的一组窗口中最好的窗口。具体操作是，将所有重叠超过阈值 x 的窗口进行非极大值抑制操作。

非极大值抑制的一般步骤如下：
1. 构建图像金字塔后，使用滑动窗口方法扫描图像进行目标检测。
2. 收集所有返回正结果（超过某个任意阈值）的当前窗口，并选取响应最高的窗口 W 。
3. 消除所有与 W 显著重叠的窗口。
4.