NMS(non maximum suppression),中文名非極大值抑制,在很多計算機視覺任務中都有廣泛應用,如:邊緣檢測、目標檢測等。
這裏主要以人臉檢測中的應用爲例,來說明NMS,並給出Matlab和C++示例程序。
人臉檢測的一些概念
(1) 絕大部分人臉檢測器的核心是分類器,即給定一個尺寸固定圖片,分類器判斷是或者不是人臉;
(2)將分類器進化爲檢測器的關鍵是:在原始圖像上從多個尺度產生窗口,並resize到固定尺寸,然後送給分類器做判斷。最常用的方法是滑動窗口。
以下圖爲例,由於滑動窗口,同一個人可能有好幾個框(每一個框都帶有一個分類器得分)
而我們的目標是一個人只保留一個最優的框:
於是我們就要用到非極大值抑制,來抑制那些冗餘的框: 抑制的過程是一個迭代-遍歷-消除的過程。
(1)將所有框的得分排序,選中最高分及其對應的框:
(2)遍歷其餘的框,如果和當前最高分框的重疊面積(IOU)大於一定閾值,我們就將框刪除。
(3)從未處理的框中繼續選一個得分最高的,重複上述過程。
下面給出MATLAB下的快速NMS代碼,並帶有詳細的註釋:
%% NMS:non maximum suppression
function pick = nms(boxes,threshold,type)
% boxes: m x 5,表示有m個框,5列分別是[x1 y1 x2 y2 score]
% threshold: IOU閾值
% type:IOU閾值的定義類型
% 輸入爲空,則直接返回
if isempty(boxes)
pick = [];
return;
end
% 依次取出左上角和右下角座標以及分類器得分(置信度)
x1 = boxes(:,1);
y1 = boxes(:,2);
x2 = boxes(:,3);
y2 = boxes(:,4);
s = boxes(:,5);
% 計算每一個框的面積
area = (x2-x1+1) .* (y2-y1+1);
%將得分升序排列
[vals, I] = sort(s);
%初始化
pick = s*0;
counter = 1;
% 循環直至所有框處理完成
while ~isempty(I)
last = length(I); %當前剩餘框的數量
i = I(last);%選中最後一個,即得分最高的框
pick(counter) = i;
counter = counter + 1;
%計算相交面積
xx1 = max(x1(i), x1(I(1:last-1)));
yy1 = max(y1(i), y1(I(1:last-1)));
xx2 = min(x2(i), x2(I(1:last-1)));
yy2 = min(y2(i), y2(I(1:last-1)));
w = max(0.0, xx2-xx1+1);
h = max(0.0, yy2-yy1+1);
inter = w.*h;
%不同定義下的IOU
if strcmp(type,'Min')
%重疊面積與最小框面積的比值
o = inter ./ min(area(i),area(I(1:last-1)));
else
%交集/並集
o = inter ./ (area(i) + area(I(1:last-1)) - inter);
end
%保留所有重疊面積小於閾值的框,留作下次處理
I = I(find(o<=threshold));
end
pick = pick(1:(counter-1));
end