深入学习是在图片中探测人类的唯一方法吗？

Question

我在寻找一种在图片中发现人类的方法。例如，关于下面的图片，我想粗略地确定有多少人在现场。我必须能够发现站立和坐着的人。我不介意不去探测物体后面的人(如巴士图片中的玻璃)。

​

​

AFAIK，这种问题很容易通过训练深层神经网络来解决。然而，我的同事希望我也能实现一种基于一般图像处理技术的检测技术。我花了几天时间寻找研究人员设计的技术，但除了基于显着性的技术(这可能很好，但我想测试几种基于老式图像处理的技术)，我找不到别的东西。

我想提到的是，我对图像分割这一话题并不陌生&我曾在医学扫描中分割主动脉。然而，这项任务更容易完成，因为扫描仪具有类似的特性:在这个用例中(例如，在公共汽车中的人体检测)，图像将具有非常不同的特性(例如，图像对比度可能有很大的变化，无论是白天还是晚上)。

长话短说，我想知道是否有一些用于人类检测的分割技术，考虑到图像特征有很大的差异？，给出一个有趣的尝试。

Answer 1

深入学习是在图片中探测人类的唯一方法吗？

No.，这是我们知道的最好的方式吗？取决于你的情况。

最简单的检测方法是生成大量随机包围盒，然后解决作物的分类问题。下面是一些虚构的伪代码：

def detect_people(image):
    """
    Find all people in image.

    Parameters
    ----------
    image : image object

    Returns
    -------
    people : list of axis-aligned bounding boxes (aabb)
        Each bounding box contains a person
    """
    people = []
    for aabb in generate_random_aabb(image):
        crop = crop_image(image, aabb)
        if is_person(crop):
            people.append(crop)
    return people

在这种情况下，is_person可以是任何分类器，例如，在Viola-Jones目标检测框架中使用的增强决策桩。说到这一点:这很可能是没有DL的方式，但解释起来要复杂得多。

目标检测与分割

你的问题兼而有之。对象检测为实例提供了包围框(粗)。语义分割按类标记所有像素，但不区分同一类的不同实例(例如，不同的人)。实例分割就像对象检测一样，但是粒度很细，目标是像素精确的结果.

如果你对分词感兴趣，我可以推荐我的论文：语义切分综述