Gesichtserkennung bedeutete einst, viele mögliche Fenster zu scannen und auf jedem Ausschnitt zu viel Rechenleistung aufzuwenden. Viola und Jones formulierten das Problem als Kaskade neu: Die meisten Fenster sind Hintergrund, also sollte deren Verwerfung nahezu kostenlos sein.
Ihr CVPR-Papier nennt drei Beiträge: das Integralbild für schnelle Merkmalsberechnung, AdaBoost zur Auswahl einer kleinen Anzahl kritischer visueller Merkmale und eine Kaskade, die nur für vielversprechende objektähnliche Regionen mehr Rechenleistung aufwendet.
Für die Gesichtserkennung berichtet das Papier von Raten, die mit den besten früheren Systemen vergleichbar sind, und gibt an, dass der Detektor mit 15 Bildern pro Sekunde ohne Bilddifferenzierung oder Hautfarberkennung lief.
Leere Bildregionen nahezu kostenlos verwerfen
Das Integralbild machte viele rechteckige Merkmale billig genug, um sie wiederholt zu testen.
AdaBoost verwandelte einen riesigen Merkmalspool in einen kompakten Detektor.
Die Kaskade entsprach der Datenverteilung: Die meisten Fenster sind einfache Negative.
Geschwindigkeit kann aus der Reihenfolge von Entscheidungen entstehen, nicht nur aus schnelleren Merkmalen. Setze den billigsten Filter mit hoher Trefferquote an den Anfang und halte Details für die wenigen Kandidaten zurück, die übrig bleiben.
Das Viola-Jones-Framework wurde zu einem Meilenstein im Bereich der Echtzeit-Computer Vision und der Gesichtserkennung. Spätere Deep-Learning-Systeme übertrafen es, doch die Kaskadenidee bleibt ein klares Beispiel dafür, Rechenleistung nur dort aufzuwenden, wo Unsicherheit fortbesteht.
DEN BELEGEN FOLGEN
Die Quellen
- Rapid object detection using a boosted cascade of simple features CVPR via OpenAlex · api.openalex.org ·