轉載自http://c.blog.sina.com.cn/profile.php?blogid=ab0aa22c890006v0
不少人認識我或者聽說我的名字都是因為我過去做的關于人臉檢測的工作，那么第一篇帖子就簡單談談對我影響至深的這項工作的源起吧。2001年Paul Viola和Michael Jones在CVPR上發表了一篇震驚計算機視覺界的文章，Rapid object detection using a boosted cascade of simple features。相信幾乎所有做計算機視覺的同學都讀過至少是聽說過這篇關于人臉檢測的文章。我是2002年開始接觸計算機視覺這個領域的，所以這篇文章算是我早期的啟蒙材料了。據說當時在大會現場，Paul拿出攝像頭連接上自己的電腦，現場演示實時的人臉檢測效果，真是技驚四座。因為在那之前，計算機視覺的問題給人的印象大多還是計算復雜，速度緩慢，效果時靈時不靈，總之實在很不靠譜的東西。這篇文章已經被應用了近九千次。2011年去科羅拉多開CVPR的時候，有一個獎是大會頒發給過去十年內影響最為深遠的一篇文章。我記得大會主席在頒發這個獎的時候說了個俏皮話，大致意思是過去他們總是很頭疼到底把這個獎發給誰（文無第一嘛），但是今年就輕松啦，因為Viola&Jones的這項工作實在是無可置疑的獲獎者:)
八卦就不多扯了，還是聊聊這項工作吧。歸納起來，基于傳統用于物體檢測問題的掃描窗方法，這篇文章提出了三個要點：Haar-like特征，AdaBoost算法和Cascade結構。Haar-like特征利用積分圖像（Integral Image）快速的計算矩形區域的差分信號；AdaBoost算法選擇區分能力強的特征結合Stump函數做弱分類器，然后把若干這些弱分類器線性組合在一起增強分類性能；Cascade結構做Early decision快速拋棄明顯不是人臉的掃描窗口。這些東西都不是Viola & Jones首先發明的，但卻是他們第一個用這種方式巧妙的結合在一起，漂亮地解決了一個長期以來大家都很頭疼的實際問題（所以Timing很重要啊）。另外，這篇文章還掀起了一股Boosting方法在計算機視覺領域中應用的熱潮。我記得后來幾年的CVPR ICCV會議里，烏泱烏泱的文章中標題含有各種各樣的Boosting變種，仿佛不提一下這個詞兒就落伍似的，其場面一點兒不比當下泛濫成災的Deep Learning差。這也說明做計算機視覺的人還是實用主義加上拿來主義的風格居多J
Viola & Jones這套物體檢測的體系簡單易行，效果又好，所以跟風者甚多（我也算是其中之一啦），幾年后已然被改得面目全非。特征上大家發現Haar-like特征太局限了，又弄出好多擴展版本的Haar-like特征，后來干脆把積分圖像丟掉，直接對圖像做一些簡單的卷積類操作獲取基礎的特征——反正只要夠快夠豐富就行。基于Stump函數的弱分類器太弱了，改成了決策樹。AdaBoost也被換成RealBoost，LogitBoost，GentleBoost還有WaldBoost（當然這個實際上應該歸類到對模型的改變這個層面，因為其實質就是Soft Cascade。誰讓Boosting那幾年太火，攤上這個名字就容易發表呢，呵呵）。Cascade模型換成Soft Cascade, Pyramid，Tree等等等等。但是萬變不離其宗，這些工作的核心思想還是：快速豐富的特征計算，預測時間復雜度可控的分類器學習算法（比如Boosting算法中的弱分類器個數），以及各種包含Early quiting的靈活的決策方法。但是，很多人其實忽視了一個支撐這套檢測方法的前提條件，那就是，以掃描窗策略為基礎的物體檢測方法通常是一個rare event detection問題，也就是說，正例（比如人臉）在所有要處理的掃描窗中所占的比例是極低的。如果沒有這個前提，這套方法就沒那么好用了，尤其是Cascade模型的用武之地就不大了。
回想起來，這篇文章其實教給了我很多東西，不光是設計快速有效的特征有多么重要，Cascade模型對于大量反例樣本通過重要性采樣的有效的使用，以及Boosting算法有多么“簡單”好用。我之后研究Boosting類算法也的確比較深入，而之所以要把簡單二字畫上引號，是因為后來發現，這個家伙其實遠不是當時看上去的那么簡單。我把改進后的方法用在很多不同類別的剛體類物體檢測上，效果都很不錯，包括這種視角的汽車、各種視角的行人（注意是pedestrian，站立或行走的人）、頭肩、身體的各個部位等等。后來2008年Felzenszwalb等人搞出了deformable part based model之后，Viola&Jones這種弱分類器（或者說特征）之間位置不具有彈性的方法逐漸顯示出在檢測形變比較大的物體的不足，才慢慢退出了歷史的舞臺，這段計算機視覺研究歷史上的傳奇才算是畫上句號:)
黃暢_smooth
文章列表
留言列表
