目标检测方法__第一版

Posted 2020-12-27 heubme

这篇写在两年前！！！

目标检测问题，对应英文：Target Detection

下面是解决这类问题的state-of-the-art方法的基本介绍：

 

https://www.zhihu.com/question/34223049

https://zhuanlan.zhihu.com/p/21533724

http://zhangliliang.com/2015/05/19/paper-note-object-proposal-review-pami15/

http://people.eecs.berkeley.edu/~rbg/index.html

https://zhuanlan.zhihu.com/p/21412911

http://blog.cvmarcher.com/posts/2015/05/17/multi-region-semantic-segmentation-aware-cnn/

 

 

最早的方法是：Appearance-based methods，这种方法是我们理解一个目标最直接的方式，比如RGB颜色分布，形状大小，位置方向等等；比如Halcon中的各种Region Selection方法。

传统的边缘匹配，滑窗，灰度匹配，梯度匹配，直方图及改进的直方图算法匹配，Large modelbases等。

模板匹配，我觉得模板匹配应该是基于Appearance-based methods的，具体我不熟：

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

http://blog.csdn.net/zouxy09/article/details/8549743

http://www.halcon.com/download/reference/create_template.html

 

然后便是Feature-based methods

对于传统的方法，其对应经典特征的基本介绍：

 

Hog：

http://blog.csdn.net/zouxy09/article/details/7929348

http://blog.csdn.net/abcjennifer/article/details/7365651

http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html

https://github.com/DaHoC/trainHOG

https://github.com/ivanaslamov/hog_sse

 

Sift：

http://blog.csdn.net/abcjennifer/article/details/7639681

 

SURF：

https://zh.wikipedia.org/wiki/%E5%8A%A0%E9%80%9F%E7%A8%B3%E5%81%A5%E7%89%B9%E5%BE%81

 

这些特征OpenCV中都有：

https://www.zhihu.com/question/24038129

 

 

DPM算法：

https://www.zhihu.com/question/29300042

http://blog.csdn.net/ttransposition/article/details/12966521

http://blog.csdn.net/ttransposition/article/details/41806601

https://github.com/rbgirshick/voc-dpm

 

 

最后便是深度学习了

 

其他的一些背景资料：

http://blog.cvmarcher.com/posts/2015/06/02/The-Role-of-Features-Algorithms-and-Data-in-Visual-Recognition/

https://en.wikipedia.org/wiki/Outline_of_object_recognition

https://zhuanlan.zhihu.com/p/21344595?refer=xlvector

 

人脸识别（人脸识别可以推广到各种物体识别），下面是传统的，OpenCV里有的方法：

http://blog.csdn.net/smartempire/article/details/21406005

http://blog.csdn.net/smartempire/article/details/23249517

http://blog.csdn.net/smartempire/article/details/23377385

 

未完待续...