Detección rápida de objetos usando una cascada potenciada de características simples

Este artículo describe un enfoque de aprendizaje automático para la detección visual de objetos que es capaz de procesar imágenes extremadamente rápido y lograr altas tasas de detección. Este trabajo se distingue por tres contribuciones clave. La primera es la introducción de una nueva representación de imagen llamada "imagen integral" que permite calcular muy rápidamente las características usadas por nuestro detector. La segunda es un algoritmo de aprendizaje, basado en AdaBoost, que selecciona un pequeño número de características visuales críticas de un conjunto más grande y produce clasificadores extremadamente eficientes. La tercera contribución es un método para combinar clasificadores cada vez más complejos en una "cascada" que permite descartar rápidamente las regiones de fondo de la imagen mientras se dedica más cálculo a regiones prometedoras similares a objetos. La cascada puede verse como un mecanismo de enfoque específico del objeto que, a diferencia de enfoques previos, proporciona garantías estadísticas de que las regiones descartadas probablemente no contienen el objeto de interés. En el ámbito de la detección facial, el sistema produce tasas de detección comparables a los mejores sistemas anteriores. Usado en aplicaciones en tiempo real, el detector funciona a 15 cuadros por segundo sin recurrir a la diferenciación de imágenes o detección del color de piel.