詳細描述

用於物件偵測的鑑別式訓練部件模型 (Discriminatively Trained Part Based Models for Object Detection)

以下描述的物件偵測器最初由 P.F. Felzenszwalb 在 [93] 中提出。它基於 Dalal-Triggs 偵測器，使用單一濾波器作用於方向梯度直方圖 (HOG) 特徵來表示一個物件類別。該偵測器採用滑動視窗法，在影像的所有位置和尺度上應用濾波器。其首項創新是利用「星狀結構 (star-structured)」的部件模型來豐富 Dalal-Triggs 模型，該模型由一個「根 (root)」濾波器（類似於 Dalal-Triggs 濾波器）加上一組部件濾波器及相關的變形模型所組成。在影像中特定位置和尺度下，星狀模型的得分等於根濾波器在該位置的得分，加上各部件在各自最佳位置處的濾波器得分總和，再減去衡量該部件相對於根的理想位置偏移的變形成本。根濾波器與部件濾波器的得分均定義為濾波器（一組權重）與輸入影像計算出的特徵金字塔子視窗之間的點積。另一項改進是利用星狀模型的混合體 (mixture) 來表示模型類別。混合模型在特定位置和尺度的得分，定義為該處各組件模型得分中的最大值。

該偵測器透過 P.F. Felzenszwalb 在 [92] 中提出的級聯演算法 (cascade algorithm) 得到了顯著的速度提升。該演算法利用分數閾值來修剪部分假設。其基本思想是使用由原始模型部件排序所定義的模型層級結構。對於一個包含根在內共有 (n+1) 個部件的模型，可得到一個由 (n+1) 個模型組成的序列。該序列中的第 i 個模型由原始模型中的前 i 個部件定義。利用此層級結構，可以在查看部分部件的最佳配置後，修剪掉得分較低的假設。在弱模型下得分較高的假設，才會進一步使用更豐富的模型進行評估。

OpenCV 中提供了 DPM 級聯偵測器的 C++ 實作。

類別
class	cv::dpm::DPMDetector
	這是一個 C++ 抽象類別，它提供了外部使用者 API 來操作 DPM。更多...