간단한 특징의 부스팅 캐스케이드를 이용한 빠른 객체 검출

이 논문은 이미지 처리를 극도로 빠르게 수행하고 높은 검출률을 달성할 수 있는 시각 객체 검출을 위한 머신러닝 접근법을 설명한다. 이 작업은 세 가지 주요 기여점으로 구별된다. 첫 번째는 "적분 영상"이라 불리는 새로운 이미지 표현법의 도입으로, 이를 통해 검출기가 사용하는 특징들을 매우 빠르게 계산할 수 있다. 두 번째는 AdaBoost 기반의 학습 알고리즘으로, 더 큰 특징 집합에서 소수의 중요한 시각적 특징을 선택해 매우 효율적인 분류기를 생성한다. 세 번째 기여는 점차 복잡해지는 분류기들을 "캐스케이드" 방식으로 결합하는 방법으로, 이를 통해 이미지의 배경 영역을 빠르게 제거하고 유망한 객체 유사 영역에 더 많은 계산을 할당할 수 있다. 이 캐스케이드는 이전 방법들과 달리 배제된 영역이 관심 객체를 포함하지 않을 확률을 통계적으로 보장하는 객체 특화 주의 집중 메커니즘으로 볼 수 있다. 얼굴 검출 영역에서 이 시스템은 이전 최고의 시스템과 비슷한 검출률을 보여준다. 실시간 응용에서는 피부색 검출이나 이미지 차분법 없이도 초당 15프레임으로 동작한다.