NMS_非极大值抑制（转）

NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。

这里主要以人脸检测中的应用为例，来说明NMS，并给出Matlab示例程序。

人脸检测的一些概念

（1） 绝大部分人脸检测器的核心是分类器，即给定一个尺寸固定图片，分类器判断是或者不是人脸；

（2）将分类器进化为检测器的关键是：在原始图像上从多个尺度产生窗口，并resize到固定尺寸，然后送给分类器做判断。最常用的方法是滑动窗口。

以下图为例，由于滑动窗口，同一个人可能有好几个框(每一个框都带有一个分类器得分)

而我们的目标是一个人只保留一个最优的框：

于是我们就要用到非极大值抑制，来抑制那些冗余的框： 抑制的过程是一个迭代-遍历-消除的过程。

（1）将所有框的得分降序排列，选中最高分及其对应的框：

（2）遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，我们就将框删除。

（3）从未处理的框中继续选一个得分最高的，重复上述过程。

下面给出MATLAB下的快速NMS代码，并带有详细的注释：

 %% NMS:non maximum suppression

 function pick = nms(boxes,threshold,type)

 % boxes: m x 5,表示有m个框，5列分别是[x1 y1 x2 y2 score]

 % threshold: IOU阈值

 % type：IOU阈值的定义类型

     % 输入为空，则直接返回

     if isempty(boxes)

       pick = [];

       return;

     end

     % 依次取出左上角和右下角坐标以及分类器得分(置信度)

     x1 = boxes(:,1);

     y1 = boxes(:,2);

     x2 = boxes(:,3);

     y2 = boxes(:,4);

     s = boxes(:,5);

     % 计算每一个框的面积

     area = (x2-x1+1) .* (y2-y1+1);

     %将得分升序排列

     [vals, I] = sort(s);

     %初始化

     pick = s*0;

     counter = 1;

     % 循环直至所有框处理完成

     while ~isempty(I)

         last = length(I); %当前剩余框的数量

         i = I(last);%选中最后一个，即得分最高的框

         pick(counter) = i;

         counter = counter + 1;

         %计算相交面积

         xx1 = max(x1(i), x1(I(1:last-1)));

         yy1 = max(y1(i), y1(I(1:last-1)));

         xx2 = min(x2(i), x2(I(1:last-1)));

         yy2 = min(y2(i), y2(I(1:last-1)));

         w = max(0.0, xx2-xx1+1);

         h = max(0.0, yy2-yy1+1);

         inter = w.*h;

         %不同定义下的IOU

         if strcmp(type,'Min')

             %重叠面积与最小框面积的比值

             o = inter ./ min(area(i),area(I(1:last-1)));

         else

             %交集/并集

             o = inter ./ (area(i) + area(I(1:last-1)) - inter);

         end

         %保留所有重叠面积小于阈值的框，留作下次处理

         I = I(find(o<=threshold));

     end

     pick = pick(1:(counter-1));

 end