How Far are We from Solving Pedestrian Detection?

是一篇综述性文章。

作者为了得知当前最好的检测方法还有多大发展空间，采取的方法就是将当前较好的检测方法与人工检测做对比。

人工检测方法：从头顶到双脚之间画一道线，框出人所在的位置。

对比方式：自动检测方法画出的方框如果与人工检测的方框重合度达到50%以上，就认为检测到了此行人。

对比结果：最好的检测方法也比人工检测的效果差了10%。

P.S.checkerboards最好，checkerboards其实是Integral Channel Feature的一种。

所以作者提出这篇文章要解决的问题：

如何缩小甚至消除机器检测准确率与人工检测准确率之间的差距？

首先分析为什么机器检测有时候会出错，然后再改进出错的地方，性能自然就提升了。

先分析检测方法的问题。

检测方法主要有三方面的问题：False Positive (误报)、False Negative(漏报)、Poor Alignment(校准错误)

先分析False Positive的种类，作者统计了一下，主要分三类：重复框出同一个人象、框出了完全没有行人的背景、忽略了一部分存在行人的区域（数据集中的标签错误）

举例：

再分析False Negative的种类，作者统计了一下，主要分三类：没有检测到乘坐交通工具的人、没有检测到只漏出侧面的人、没有检测出过小的和重叠的人

最后举例Poor Alignments的情况：

提出对于这些错误的解决办法：

False Positive:

重复框选同一人问题当选中人时，模仿手工框选的方法绘制从头到双脚间的标准线。
同时选中框要按照这个人最大可见区域绘制，来保证把行人最大范围地选中。选中无行人区域问题检测器需要结合垂直方向的图像上下文来探测物体，不能局限于图像的一个小部分，也可以事先对物体高度进行粗略地估计。忽略部分区域给训练集中数据打标注时，应该通过观看整个影像来确定行人是否存在，
要把一些容易被忽视的区域也标注出来，如：人群、海报和雕像中的人以及不确定是否包含行人的区域。

False Negative:

交通工具问题在训练集中额外添加行人乘坐交通工具的图片行人侧身问题在训练集中额外添加行人侧身的图片人象过小和重叠问题对训练集和测试集图片进行重新标注

采取了新的数据集（新的数据集为对旧的数据集中的图片进行重新标注）

新的与旧的区别：

1.把以前被忽视的区域和人群都标注出来。
2.标注结果不是从单张图片得来的，是从整个视频影像得来的。
3.可以对同一张图片的标注进行多次校正。

进行了实验：用新的/旧的测试集在新的/旧的/INRIA上测试。

结果：

1.使用原始标注进行测试时只有原始数据集表现较好。
2.使用新型标注进行测试时，INRIA和使用了新型标注的数据集都表现得比1的结果好。

在前景背景识别方面又加上了卷积神经网络：VGG 和AlexNet

结论：

1.AlexNet不能一直保持优势。

2.VGG也类似，在与效果较差的检测器对比时，效果有提高，但当使用较好效果的检测器时，VGG就会出问题。
但VGG又比AlexNet强。

3.再加上边框回归+NMS效果较好。

因此：

RotatedFilters+图像校准+新标注的数据集+VGG+边框回归NMS是较好的选择。

本文结论：

通过人工对图片进行行人检测，得出了对于自动探测器探测准确率的期待值。深入分析了为什么当前的优秀探测器没有达到这个标准。对于不同的检测错误提出了相应的解决方案，相信在未来机器与人在行人检测方面的差距将进一步缩小。