最近研究目標檢測有感

最近研究目標檢測有感      近來，一直在看有關目標檢測的文章，尤其是關注這些文章所能解決的問題和創新點。主要原因有二：一是因為最近老闆的項目催進度催得急，卻總有些問題沒辦法解決，；另外一方面是自己想找些靈感，寫篇把文章。文章倒是看了不少，下面寫寫心得。    目標檢測是電腦視覺應用的一個基礎環節，在眾多國內國外雜誌和會議上是一直是一個熱門的話題，為此，還專門舉辦如ICCV，ACCV，ECCV，CVPR等國際等級的會議。然而，儘管有這麼多的研究者一直在研究這個問題，並不斷的提出新的演算法，新的解決Schemes，但是至今還沒有一個能在某一個專門領域取得非常完美的Applications。縱觀原因，其實不難發現，就是現實世界裡遇到的問題總比想象中的多，解決起來比想象中的difficult。    目標檢測類的演算法主要可以分為pixel-based , region-based以及integrate pixel-based and region-based，或者從另外一方面來說就是temporal-based, spatial-base, integrate temporal-based and spatial-based(當然有可能還包括spectral-based)。對於剛開始，一般都在關注pixel-based的，pixel-based演算法比較簡單，而且在現有的演算法中已經舉不勝舉，並對於大多數情境也能取得比較好的效果如(codebook, GMM等），但是這些演算法在應用的時候有效效果不太理想（如背景模型與前景資訊similar時、情境中混有大量無規律雜訊時、以及可能會出現情境資訊丟失（如鏡面反光時出現的大面積的白光））。面對這些難題，研究者們慢慢的又將注意力轉移到region-based（spatial-based)上，希望在這上面取得一定的突破，令人鼓舞的是在這上面，研究學者們也作出了大量的成果，並解決了很多實際中遇到的問題（如LBP運算元能夠解決背景和前景相似的均勻地區，還有如clustering的方式解決只有部分目標的情況等）。然而，當老問題解決了，新問題還是會出現（這就驗證了在科研領域解決的問題總比遇到的多）。於是，研究學者開始提出了  coarse-fine-hierarchical的multi-layer的思路，並進行了研究，也取得了客觀的效果，在這裡慢慢的將情境中的特徵資訊提到了應用場合上（主要有feature-based 和contour-matching-based),用通過訓練classifier的方式來進行背景建模、前景檢測（這方面典型的應用就是face detect）。而對於其他一些常見的問題，發現論文裡也提到了相關的解決思路，尤其是看到“ Learning color and locality cues for moving object detection and segmentation”的時候，發現很多問題是有思路的，只是我們想到問題的時候就已卻步（推薦上面那文章，雖然複雜度可能比較高，而且對於即時應用沒有意義，但是它是解決實際問題的一個成果，而且有很大的應用前景，具有很重要的借鑒意義）。        還有一點，在一些文章裡看到了feature pool的概念，而feature-based 的machine learning方法也在這方面研究也有一定的進展(如SVM）。就說這麼多吧，希望對大家有所協助。     同時附上前面的一篇文章，上面列出了最近看的部分論文：     http://cvchina.net/blog-423-175.html    http://hi.baidu.com/belial/item/8a9710630ce8c696c5d2491f