algorithm - Viola-Jones 的人脸检测声称拥有 18 万个功能

我一直在实现 Viola-Jones' face detection algorithm 的改编。该技术依赖于在图像中放置一个 24x24 像素的子帧，然后将矩形特征放置在每个可能大小的位置的每个位置。

这些特征可以由两个、三个或四个矩形组成。提供了以下示例。



他们声称详尽的集合超过 180k(第 2 节):



以下陈述未在论文中明确说明，因此它们是我的假设:

只有2个二矩形特征，2个三矩形特征和1个四矩形特征。这背后的逻辑是我们正在观察突出显示的矩形之间的差异，而不是明确的颜色或亮度或任何类似的东西。

我们不能将特征类型 A 定义为 1x1 像素块；它必须至少为 1x2 像素。此外，类型 D 必须至少为 2x2 像素，并且此规则相应地适用于其他特征。

我们不能将特征类型A定义为1x3像素块，因为中间像素无法分割，从自身减去它就等于1x2像素块；此特征类型仅针对偶数宽度定义。此外，要素类型 C 的宽度必须能被 3 整除，此规则也适用于其他要素。

我们无法定义宽度和/或高度为 0 的特征。因此，我们将 x 和 y 迭代为 24 减去特征的大小。

基于这些假设，我计算了详尽的集合:

const int frameSize = 24;
const int features = 5;
// All five feature types:
const int feature[features][2] = {{2,1}, {1,2}, {3,1}, {1,3}, {2,2}};

int count = 0;
// Each feature:
for (int i = 0; i < features; i++) {
    int sizeX = feature[i][0];
    int sizeY = feature[i][1];
    // Each position:
    for (int x = 0; x <= frameSize-sizeX; x++) {
        for (int y = 0; y <= frameSize-sizeY; y++) {
            // Each size fitting within the frameSize:
            for (int width = sizeX; width <= frameSize-x; width+=sizeX) {
                for (int height = sizeY; height <= frameSize-y; height+=sizeY) {
                    count++;
                }
            }
        }
    }
}

结果是 162,336 。

我发现接近 Viola & Jones 所说的“超过 180,000”的唯一方法是放弃假设 #4 并在代码中引入错误。这涉及将四行分别更改为:

for (int width = 0; width < frameSize-x; width+=sizeX)
for (int height = 0; height < frameSize-y; height+=sizeY)

结果是 180,625 。 (请注意，这将有效地防止功能接触子框架的右侧和/或底部。)

现在当然是问题:他们在实现过程中犯了错误吗？考虑表面为零的特征是否有意义？还是我看错了？

最佳答案

仔细一看，你的代码在我看来是正确的；这不禁让人怀疑原作者是否有一个逐一的错误。我想有人应该看看 OpenCV 如何实现它!

尽管如此，一个更容易理解的建议是通过首先遍历所有大小，然后遍历给定大小的可能位置来翻转 for 循环的顺序:

#include <stdio.h>
int main()
{
    int i, x, y, sizeX, sizeY, width, height, count, c;

    /* All five shape types */
    const int features = 5;
    const int feature[][2] = {{2,1}, {1,2}, {3,1}, {1,3}, {2,2}};
    const int frameSize = 24;

    count = 0;
    /* Each shape */
    for (i = 0; i < features; i++) {
        sizeX = feature[i][0];
        sizeY = feature[i][1];
        printf("%dx%d shapes:\n", sizeX, sizeY);

        /* each size (multiples of basic shapes) */
        for (width = sizeX; width <= frameSize; width+=sizeX) {
            for (height = sizeY; height <= frameSize; height+=sizeY) {
                printf("\tsize: %dx%d => ", width, height);
                c=count;

                /* each possible position given size */
                for (x = 0; x <= frameSize-width; x++) {
                    for (y = 0; y <= frameSize-height; y++) {
                        count++;
                    }
                }
                printf("count: %d\n", count-c);
            }
        }
    }
    printf("%d\n", count);

    return 0;
}

结果与之前的 162336 相同

为了验证它，我测试了 4x4 窗口的情况并手动检查了所有情况(易于计数，因为 1x2/2x1 和 1x3/3x1 形状相同，仅旋转 90 度):

2x1 shapes:
        size: 2x1 => count: 12
        size: 2x2 => count: 9
        size: 2x3 => count: 6
        size: 2x4 => count: 3
        size: 4x1 => count: 4
        size: 4x2 => count: 3
        size: 4x3 => count: 2
        size: 4x4 => count: 1
1x2 shapes:
        size: 1x2 => count: 12             +-----------------------+
        size: 1x4 => count: 4              |     |     |     |     |
        size: 2x2 => count: 9              |     |     |     |     |
        size: 2x4 => count: 3              +-----+-----+-----+-----+
        size: 3x2 => count: 6              |     |     |     |     |
        size: 3x4 => count: 2              |     |     |     |     |
        size: 4x2 => count: 3              +-----+-----+-----+-----+
        size: 4x4 => count: 1              |     |     |     |     |
3x1 shapes:                                |     |     |     |     |
        size: 3x1 => count: 8              +-----+-----+-----+-----+
        size: 3x2 => count: 6              |     |     |     |     |
        size: 3x3 => count: 4              |     |     |     |     |
        size: 3x4 => count: 2              +-----------------------+
1x3 shapes:
        size: 1x3 => count: 8                  Total Count = 136
        size: 2x3 => count: 6
        size: 3x3 => count: 4
        size: 4x3 => count: 2
2x2 shapes:
        size: 2x2 => count: 9
        size: 2x4 => count: 3
        size: 4x2 => count: 3
        size: 4x4 => count: 1

关于algorithm - Viola-Jones 的人脸检测声称拥有 18 万个功能，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/1707620/