高效集成检测结果

Question

在维奥拉和琼斯论文的第5.6节中，作者提到他们集成了检测器在扫描图像中的人脸时所做的多个检测。在这种情况下，检测仅仅是位于图像上的矩形区域，其中检测器认为存在人脸。积分是重叠矩形区域的简单组合。这是很有用的，因为检测器在扫描图像时，可能会在一张脸周围产生许多检测。

请注意，许多检测可能与其他检测不重叠，因此有可能有一个以上的集成检测。例如，考虑一个有两个面的图像，A和B。还要考虑的是，图像中的区域C和D与faces非常相似，但不是faces。在这种情况下，检测器可以为人脸A产生3种重叠检测，对人脸B产生5种重叠检测，对区域C产生1种检测，针对区域D产生10种重叠检测。考虑到一个区域的检测不与另一个区域的检测重叠，集成过程应该产生一个单一的人脸A最终检测、另一个人脸B检测、另一个区域C检测和另一个区域D检测。这4个综合检测应该显示给用户。

因此，为了集成检测，有必要将它们划分为重叠检测的子集。但是，我们应该在子集中添加任何与子集中的任何检测重叠的检测。对检测列表的简单迭代将执行得很差(Ω(n平方))。

我的问题是：什么数据结构和算法允许快速集成检测？，请提供一些关于您所提到的方法的文献证据(例如，论文或书籍参考)。

Answer 1

你有标杆吗？

重叠检测真的是性能瓶颈吗？不要太早优化。

你考虑过用x坐标对矩形数据排序吗？那么，重叠检测应该是相当便宜的。

Answer 2

我认为R-树应该能解决这个问题。