Image processing 深度学习是在图片中发现人类的唯一方法吗？

我在寻找一种在照片中发现人类的方法。例如，关于下面的图片，我想粗略地确定场景中有多少人。我必须能够发现站着和坐着的人。我不介意在一个物理物体（如巴士图片中的玻璃）后面发现人

这样的问题很容易通过训练深层神经网络来解决。然而，我的同事希望我也实现一种基于通用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，但除了基于显著性的技术外，我找不到任何其他技术（这可能很好，但我想测试几种基于老式图像处理的技术）

我想说的是，我对图像分割这个话题并不陌生&我曾经在医学扫描中分割主动脉。然而，由于扫描仪具有相似的功能，这项任务更容易完成：在这种情况下（例如，在公交车上进行人体检测），图片将具有非常不同的特征（例如，无论是在白天还是晚上拍摄的，图像对比度可能会有很大差异）

长话短说，鉴于图像特征变化很大，我想知道是否有一些用于人体检测的分割技术，在拍摄时会很有趣？

深度学习是在图片中发现人类的唯一方法吗

不。这是我们知道的最好的方式吗？这取决于你的情况

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pythonic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\u person

可以是任何分类器，例如在中使用的增强决策树桩。说到这里：这可能是没有DL的方式，但解释起来要复杂得多

目标检测与分割 你的问题混合了两者。对象检测为实例提供边界框（粗略）。语义分割按类别标记所有像素，但不区分同一类别的不同实例（例如，不同的人）。实例分割类似于对象检测，但它是细粒度的，目的是获得像素精确的结果

---

如果您对segemantation感兴趣，我可以推荐我的论文：

我投票将这个问题作为离题题来结束，因为stackoverflow并不是一个讨论所有技术问题的论坛——它专门用于编程。Quora可能是回答这个问题的地方。我首先发布了Signal Processing.SE，但我想我也可以在这里试一试，因为社区的规模很大。此外，我觉得在这里发帖没有错，因为有成千上万的问题被标记为“图像处理”或“深度学习”。@ThomasM.DuBuisson——在我看来，这符合我们的

算法
标记的范围。我很乐意让它公开。我不同意通过深入学习可以“轻松解决”示例图像。你可以通过检测人们的脸来找到他们。发现部分闭塞的人将变得非常困难difficult@Piglet目前已知的最快的DP模型能够检测多人（请参见其主页上的詹姆斯·邦德测试：）。此外，我在我的问题中提到，我不介意站在物理对象（即部分遮挡）后面的人是否被发现；即使有些DP模型吹嘘能够在如此不利的条件下探测物体。我不知道是谁投了反对票，我正在读你的论文。我给出了你的答案，在给你打勾之前，我正等着你研究完你的最新技术。你的论文写得很好，伊姆霍。谢谢分享。