Viola-Jones目标检测方法的发展综述

Метод Виолы и Джонса является одним из самых известных методов локализации объектов на цифровых изображениях. За минувшие 20 лет со дня первой публикации, метод был существенно изучен, исследователями и инженерами было предложено множество модификаций оригинального алгоритма и отдельных его частей. Отдельные популяризованные Полом Виолой и Майклом Джонсом идеи встали в основу множества других алгоритмов локализации объектов на изображениях. В этой работе представлено описание метода Виолы и Джонса, история его развития и модификаций в контексте различных задач локализации объектов на изображениях, а также описание современного состояния дел - какое место метод занимает сейчас в эпоху обширного применения сверточных нейронных сетей.

Ключевые слова

метод Виолы и Джонса, распознавание образов, машинное обучение, классификация объектов, локализация объектов, детектирование объектов.

Литература

1.亨德森·C·打击犯罪：拒绝犯罪分子使用道路。网址：https://popcenter.asu.edu/sites/default/files/Henderson.pdf（2021年7月21日访问）
2.《中国的守望眼》（2021）。网址：https://www.washingtonpost.com/news/world网站/\wp/2018/01/07/feature/in-china-facial-recognition-is-sharp-end-of-a-drive-for-total-surveillance/（2021年7月21日访问）
3.Du S.等人，《自动车牌识别：最新技术综述》。IEEE视频技术电路和系统汇刊，2012年，第23卷，第2期，第311-325页。
4.执法部门对面部识别技术的使用。网址：https://www.fbi.gov/news/testmony/law-enforcements-use-of-facial-recognition-technology网站（2021年7月21日访问）
5.Sung K.K.，Poggio T.基于示例的学习用于基于视图的人脸检测。IEEE模式分析和机器智能汇刊，1998年，第20卷，第1期，第39-51页。
6.Schneiderman H.，Kanade T.应用于人脸和汽车的三维物体检测的统计方法。IEEE计算机视觉和模式识别会议论文集，2000年，第1期，第746-751页。
7.Viola P.、Jones M.鲁棒实时对象检测。《国际计算机视觉杂志》，2001年，第4期，第34-47页。
8.Freund Y.，Schapire R.E.在线学习的决策理论推广及其在Boosting中的应用。《计算机与系统科学杂志》，1997年，第55卷，第1期，第119-139页。
9.Papageorgiou C.P.，Oren M.，Poggio T.目标检测的一般框架。第六届计算机视觉国际会议，1998年，第555-562页。
10.Lienhart R.，Maydt J.快速目标检测的Haar-Like特征扩展集。2002年国际图像处理会议记录，第1卷，第一至一页。
11.Huang C.C.，Tsai C.Y.，Yang H.C.基于AdaBoost的鸟类检测的Haar-Like特征扩展集。2011年信号处理、图像处理和模式识别国际会议，第160-169页。
12.Wen X.等人。车辆分类的快速学习算法。《信息科学》，2015年，第295期，第395-406页。
13.Gaszczak A.、Breckon T.P.、Han J.无人机图像中的实时人员和车辆检测。《智能机器人与计算机视觉》第二十八期：算法与技术，2011年，第7878期，第78780B页。
14.李S.Z.等.多视角人脸检测的统计学习。2002年欧洲计算机视觉会议，第67-81页。
15.Jones M.、Viola P.快速多视角人脸检测。三菱电机研究实验室TR-20003-962003，第3卷，第14期，第2页。
16.维奥拉·P、琼斯·M·J、斯诺·D。使用动作和外观模式检测行人。《国际计算机视觉杂志》，2005年，第63卷，第2期，第153-161页。
17.Messom C.，Barczak A.使用旋转积分图像的快速高效旋转Haar-Like特征。澳大利亚机器人与自动化会议，2006年，第1-6页。
18.Ramirez G.A.、Fuentes O.具有非对称Haar特征的多糖人脸检测。2008年IEEE计算机视觉应用研讨会，2008年，第1-6页。
19.Pavani S.K.、Delgado D.、Frangi A.F.Haar-Like特征与快速目标检测的最优加权矩形。模式识别，2010年，第43卷，第1期，第160-172页。
20.Pham M.T.等人。快速多边形积分及其在扩展类Haar特征以改进目标检测中的应用。2010年IEEE计算机学会计算机视觉和模式识别会议，2010年，第942-949页。
21.Ojala T.，Pietikainen M.，Harwood D.基于特征分布分类的纹理度量的比较研究。模式识别，1996年，第29卷。第1期，第51-59页。
22.Zhang L.等人。基于多块Lbp表示的人脸检测。2007年国际生物计量学会议，第11-18页。
23.Nikisins O.，Greitans M.鲁棒人脸检测和定位的局部二进制模式和基于神经网络的技术。2012年BIOSIG-国际生物计量学特别兴趣小组会议记录，2012年，第1-6页。
24.Suri P.K.，Verma E.A.使用圆形多块局部二进制模式和积分Haar特征的鲁棒人脸检测。《国际高级计算机科学与应用杂志》，人工智能专刊，2011年，第67-71页。
25.Jammussi A.Y.，Masmoudi D.S.基于Adaboost的人脸检测系统联合积分直方图。《国际计算机应用杂志》，2011年，第23卷，第5期。
26.从局部尺度不变特征进行低密度目标识别。《第七届IEEE国际计算机视觉会议论文集》，1999年，第2期，第1150-1157页。
27.Dalal N.，Triggs B.人体检测定向梯度直方图。2005年IEEE计算机学会计算机视觉和模式识别会议，2005年，第1期，第886-893页。
28.张伟、孙杰、唐熙猫头检测——如何有效利用形状和纹理特征。2008年欧洲计算机视觉会议，第802-816页。
29.Dollar P.等人，《综合渠道特征》。2009年英国机器视觉会议记录，第91.1-91.11页。
30.Dollar P.、Belongie S.、Perona P.西部最快的行人探测器。2010年英国机器视觉会议记录，第68.1-68.11页。
31.Boudev L.，Brandt J.通过软级联进行鲁棒对象检测。2005年IEEE计算机学会计算机视觉和模式识别会议（CVPR'05），2005年，第2期，第236-243页。
32.Xiao R.，Zhu L.，Zhang H.J.促进目标检测的链学习。2003年IEEE第九届计算机视觉国际会议论文集，第709-715页。
33.Wu B.等人。基于Real AdaBoost的快速旋转不变多视图人脸检测。第六届IEEE自动人脸和手势识别国际会议，2004年，第79-84页。
34.Zhang C.，Viola P.学习高效级联检测器的多实例修剪。《神经信息处理系统进展》，2007年，第20期，第1681-1688页。
35.Friedman J.、Hastie T.、Tibshirani R.《加性Logistic回归：提升的统计观点》（作者进行了讨论和重编）。《统计年鉴》，2000年，第28卷，第2期，第337-407页。
36.Minkina A.等人。将Viola-Jones方法推广为视频流中实时对象识别的强分类器决策树。第七届机器视觉国际会议，2015年，第9445号，第944517页。内政部：10.1117/12.2180941
37.Mason L.等人。函数空间中梯度下降的推进算法。《神经信息处理系统进展》，1999年，第12期，第512-518页。
38.弗里德曼J.H.贪婪函数近似：梯度推进机。《统计年鉴》，2001年，第1189-1232页。
39.Schapire R.E.，Singer Y.使用置信度预测改进Boosting算法。《机器学习》，1999年，第37卷，第3期，第297-336页。
40.Huang C.等人。旋转不变多视图人脸检测的矢量增强。第十届IEEE计算机视觉国际会议，2005年，第1期，第446-453页。
41.段S.、王X.、万W.基于联合特征的人脸检测Logitboost。2013年第七届国际图像与图形会议，2013年，第483-488页。
42.Gualdi G.，Prati A.，Cucchiara R.图像和视频中行人检测的多级放大级联采样。2010年欧洲计算机视觉会议，第196-209页。
43.王磊，张忠。基于无人机拍摄图像的风力涡轮机叶片表面裂纹自动检测。IEEE工业电子学报，2017年，第64卷，第9期，第7293-7303页。
44.Poljakov I.V.等人【使用贪婪算法训练最优Viola-Jones检测器，以选择控制参数，并在每个级别进行中间验证】。《感官系统》，2016年，第30卷，第3期，第241-248页。（俄语）
45.Li H.等人，用于人脸检测的卷积神经网络级联。IEEE计算机视觉和模式识别会议记录，2015年，第5325-5334页。
46.Owusu E.、Abdulai J.D.、Zhan Y.基于多层前馈神经网络和Haar特征的人脸检测。《软件：实践与经验》，2019年，第49卷，第1期，第120-129页。
47.Cai Z.，Vasconcelos N.Cascade r-cnn：探索高质量目标检测。t 2018年IEEE计算机视觉和模式识别会议进展，第6154-6162页。
48.Krizhevsky A.、Sutskever I.、Hinton G.E.用深度卷积神经网络进行图像分类。《神经信息处理系统进展》，2012年，第25期，第1097-1105页。
49.Everingham M.等人。Pascal可视对象类（VOC）挑战。t《国际计算机视觉杂志》，2010年，第88卷，第2期，第303-338页。
50.Girshick R.等人。用于精确对象检测和语义分割的丰富特征层次。《IEEE计算机视觉与模式识别会议论文集》，2014年，第580-587页。
51.Redmon J.等人。你只看一次：统一的实时目标检测。2016年IEEE计算机视觉和模式识别会议记录，第779-788页。
52.Liu W.等人。SSD：单发多盒探测器。2016年欧洲计算机视觉会议，第21-37页。
53.Lin T.Y.等人，《用于目标检测的特征金字塔网络》。2017年IEEE计算机视觉和模式识别会议记录，第2117-2125页。
54.Jiao L.等人。基于深度学习的目标检测综述。IEEE接入，2019年，第7卷，第128837-128868页。
55.邹政等。20年来的目标检测：一项调查。网址：https://arxiv.org/abs/1905.05055（2021年7月21日访问）
56.Granger E.等人。实时视频监控应用中基于Cnn的人脸和头部检测器的比较。2017年第七届国际图像处理理论、工具和应用会议，2017年，第1-7页。
57.Jain V.，Learnd-Miller E.Fddb：无约束环境下人脸检测的基准。麻省大学阿默斯特校区技术报告，2010年，第2卷，第4期，第5页。
58.Yan J.等人，用于野外人脸检测的实时高性能可变形模型。2013年国际生物统计会议，2013年，第1-6页。
59.Felzenszwalb P.、McAllester D.、Ramanan D.，一种经过区分训练的多尺度可变形零件模型。2008年IEEE计算机视觉和模式识别会议，2008年，第1-8页。
60.Usilin S.A.、Slavin O.A.、Arlazarov V.V.遥感应用中Viola-Jones目标检测方法的内存消耗和计算效率改进。模式识别和图像分析，2021年，第31卷，第3期，第571-579页。内政部：10.1007/978-3-030-68821-9_23
61.Xu Y.等人。基于Viola-Jones和HOG+SVM的无人机图像混合车辆检测方法。t传感器，2016年，第16卷，第8期，第1325页。
62.Irgens P.等人。基于Fpga的高效且经济高效的Viola-Jones人脸检测算法的实现。tHardwareX，2017年，第1期，第68-75页。
63.Skoryukina N.，Arlazarov V.，Nikolaev D.移动和服务器应用程序ID文档定位和类型识别的快速方法。2019年文件分析和识别国际会议，2019年，第850-857页。内政部：10.1109/ICDAR.2019.00141
64.Usilin S.等人。基于视觉外观的文档图像分类。2010年IEEE图像处理国际会议，2010年，第2133-2136页。
65.Tropin D.V.等人。在具有复杂投影畸变结构的图像上定位平面物体。Informatsionneye Protsessy，2019年，第19卷，第2期，第208-229页。（俄语）
66.Matalov D.P.、Usilin S.A.、Arlazarov V.V.修改了检测俄罗斯联邦政府印章的Viola-Jones方法。第十一届机器视觉国际会议，2019年，第11041卷，第110411Y页。内政部：10.1117/12.2522793
67.Polevoy D.等人，《使用小型数码相机进行文档识别的关键方面》。RFBR期刊，2016年，第4卷，第92期，第98-105页。doi:10.22204/2410-4639-2016-092-04-97-108（俄语）
68.Limonova E.E.等人【以Elbrush平台为例对VLIW体系结构进行识别系统效率评估】。《编程与计算机软件》，2019年，第45卷，第1期，第15-21页。DOI:10.1134/S0132347419010047（俄语）