检测到的Windows MATLAB的非最大值抑制

Question

我现在正在检测闭路电视图像中的人头。我使用HOG检测器+ SVM，并使用滑动窗口技术来检测头部。当然，当我缩放图像时，我有多个相同头部的检测/边界框。我知道我必须使用非最大值抑制来选择其中最好的一个，我尝试了以下链接：http://quantombone.blogspot.com/2011/08/blazing-fast-nmsm-from-exemplar-svm.html

然而，我不明白如何获得每个滑动窗口的分数。有人能给我解释一下吗？换句话说，我有边界框pt，我知道我必须将重叠设置为0.5，但我没有每个边界框的分数。

Answer 1

实际上，对于非最大抑制，您不需要与每个边界框关联的分数。您可以使用著名的Viola和Jones的NMS方法(增强的简单功能级联)：

• 聚类相互重叠大于0.5的所有边界框对于每个聚类，计算平均边界框并输出(即计算所有右上角和所有右下角之间的平均值)

并且你有非最大抑制。

如果您仍然希望使用其他需要输出分数的例程，那么只需为每个边界框分配相同的分数即可。

Answer 2

你应该能够从支持向量机中得到分数。例如，如果在统计工具箱中使用ClassificationECOC训练支持向量机类，则其predict方法可以返回分数。

然后，您可以使用计算机视觉系统工具箱中的selectStrongestBbox函数进行非最大值抑制。