Matlab 检测窗口的非最大值抑制
我目前在闭路电视图像中检测到头部。我使用的是HOG检测器+SVM，我使用的是滑动窗口技术来检测头部。当然，当我缩放图像时，我有多个相同头部的检测/边界框。我知道我必须使用非最大值抑制来选择其中最好的一个，并且我已尝试遵循以下链接： 然而，我无法理解如何获得每个滑动窗口的分数。谁能给我解释一下吗？Matlab 检测窗口的非最大值抑制,matlab,computer-vision,detect,matlab-cvst,sliding-window,Matlab,Computer Vision,Detect,Matlab Cvst,Sliding Window,我目前在闭路电视图像中检测到头部。我使用的是HOG检测器+SVM，我使用的是滑动窗口技术来检测头部。当然，当我缩放图像时，我有多个相同头部的检测/边界框。我知道我必须使用非最大值抑制来选择其中最好的一个，并且我已尝试遵循以下链接： 然而，我无法理解如何获得每个滑动窗口的分数。谁能给我解释一下吗？ 换句话说，我有边界框pts，我知道我必须将重叠设置为0.5，但我没有每个边界框的分数。实际上，对于非最大抑制，您不需要与每个边界框关联的分数。您可以使用Viola和Jones的著名NMS方法（简单功能
换句话说，我有边界框pts，我知道我必须将重叠设置为0.5，但我没有每个边界框的分数。实际上，对于非最大抑制，您不需要与每个边界框关联的分数。您可以使用Viola和Jones的著名NMS方法（简单功能的增强级联）：
- 对彼此重叠大于0.5的所有边界框进行聚类
- 对于每个簇，计算平均边界框并输出它（即计算所有右上角和所有右下角之间的平均点）
如果您仍然希望使用需要输出分数的其他例程，则只需为每个边界框指定相同的分数。您应该能够从SVM中获得分数。例如，如果使用统计工具箱中的类训练SVM，其
predict然后您可以使用计算机视觉系统工具箱中的函数来进行非最大值抑制。我想这是分类器给出的预测分数。对于SVM，如果使用LibSVM，则该分数可能是它输出的概率估计。分数是对象（比如汽车）包含在该框中的概率。谁在检测Windows MATLAB，为什么它被抑制，这与Linux MATLAB或Mac MATLAB有何不同？（看起来“MATLAB”这个词在你的标题中很不合适）@ParagS.Chandakkar是的，在做了一些很好的研究之后，我同意你的观点，事实上我使用了参数“b1”来输出概率。然而，当在控制台上输出概率时，我注意到对于每个预测，给出了2个概率，而不是1个。我能和你把这件事说清楚吗？多谢了，这里有两种可能性。一个用于0类，另一个用于1类。两者合计为一。你可以检查一下。太棒了，我有两个类+1和-1，分别代表头部和非头部。那么关于NMS的分数，我应该选择哪个概率？感谢您的帮助@ParagS.ChandakkarI将尝试您告诉我的方式，并让您知道结果@dynamicI尝试使用此链接中显示的nms：通过给每个边界框相同的分数1，但结果框与小框相比变得非常大，因此没有捕获头部，每个盒子都在捕捉头部+其他许多东西…有任何反馈吗？@dynamic你能定义重叠的含义以及如何进行聚类吗？很好@Dima但是我试图从以下链接使用nms：我也在使用MATLAB上的libSVM的HOG功能。我正试图通过使用所示的nms来抑制不需要的bboxes在评论的链接中above@user2541516此函数似乎可以执行您想要的操作。那么，您是否只想自己实施NMS，如果是，请继续。否则，我认为
selectStrongestBox