単純特徴のブーストカスケードを用いた高速物体検出

本論文は、画像を極めて高速に処理し、高い検出率を達成できる視覚的物体検出のための機械学習アプローチについて述べる。この研究は三つの重要な貢献によって特徴付けられる。第一に、「積分画像」と呼ばれる新しい画像表現の導入であり、これにより検出器が利用する特徴量の非常に高速な計算が可能になる。第二に、AdaBoostに基づく学習アルゴリズムで、より大きな特徴群から少数の重要な視覚特徴を選択し、極めて効率的な分類器を生成する。第三の貢献は、より複雑さを増す分類器を「カスケード」として組み合わせる方法であり、これによって画像の背景領域を迅速に除外し、物体の可能性が高い領域により多くの計算資源を割り当てることができる。このカスケードは、物体特異的な注意機構として捉えることができ、従来の手法とは異なり、除外された領域に興味対象の物体が存在する可能性が低いという統計的保証を提供する。顔検出の分野では、本システムは従来の最高レベルのシステムに匹敵する検出率を示す。リアルタイムアプリケーションで使用した場合、画像差分や肌色検出を用いることなく、15フレーム毎秒で動作する。