其实这就是boosting由简单弱分类拼装强分类器的过程,现在看起来很low,但是这个算法第一次使目标检测成为现实!
OpenCV有对级联分类器的经典实现:https://docs.opencv.org/2.4.11/modules/objdetect/doc/cascade_classification.html?highlight=haar
至于使用的特征,Haar简单也够用了,LBP实在是没必要去扒了。。。
至于HoG/ACF,下面说。
HoG+SVMHistograms of oriented gradients for human detection,2005,CVPR
由于原始的Haar特征太简单,只适合做刚性物体检测,无法检测行人等非刚性目标,所以又提出了HOG+SVM结构。
在OpenCV中也有实现:https://docs.opencv.org/2.4.11/modules/gpu/doc/object_detection.html?highlight=hog
之后又有人魔改出LoG/DoG/RoG等一系列特征,没啥意思就不多说了。
值得一提的是,有人把SVM中的HoG改为Integral HoG,用于级联分类器。这也就是目前OpenCV级联分类器的积分HOG的原型:
Integral Histogram: A Fast Way to Extract Histograms in Cartesian Spaces
后续又有人发展出了Aggregate Channel Feature(ACF)等特征,论文主要是下面2个:
Aggregate Channel Features for Multi-view Face Detection,2014,IJCB
Fast Feature Pyramids for Object Detection,2014,PAMI
亮点就是这个Fast,加速了Integral HoG的计算,效果好而且快,依然活跃在嵌入式领域。
Discriminatively trained deformable part model