1.3.1　传统算法

在传统算法阶段，检测器完全依靠人工设计特征。人们使用了非常多的技巧，目的在于让检测器获取更强的表达能力，同时尽可能地降低对计算资源的消耗。其中，有几种检测器的出现对目标检测技术的发展产生了重要影响。

1.Viola Jones检测器

Viola Jones检测器是P.Viola和M.Jones针对人脸检测场景提出的。在同等的算法精度下，Viola Jones检测器比同时期的其他算法有几十到上百倍的速度提升。Viola Jones检测器采用最直接的滑动窗口方法，检测框遍历图像上所有的尺度和位置，查看检测框是否包含人脸目标。这种滑动窗口看似简单，却需要耗费非常多的计算时间。Viola Jones检测器的优势在于使用了积分图像、特征筛选、级联检测的策略，使得算法速度有了巨大的提升。该检测器使用Hear特征，通过积分图像的技巧，大幅减少了特征的重复计算。在特征选择上，Viola Jones检测器基于Adaboost方法，从大量特征中选出若干适合检测任务的特征。在检测过程中，Viola Jones检测器使用检测步骤级联的方式，更聚焦于目标的确认，避免在背景区域耗费过多的计算资源。

2.HOG检测器

HOG（Histogram of Oriented Gradients，梯度方向直方图）特征是一种重要的尺度不变特征，由N.Dalal和B.Triggs于2005年提出，核心思想是用规则的网格将图像划分成大小相同的子块，在每一个子块中计算梯度方向直方图。通过这种方式，可以大大消除尺度变化和光照的影响。在相当长的时间里，HOG都是处理检测问题的一种重要特征，尤其是在行人检测场景，HOG有着极为重要的应用。

3.DPM检测器

DPM（Deformable Part Model，可变形组件模型）是一种基于组件的检测算法，由P.Felzenszwalb于2008年提出，后来R.Girshick对其进行了多项重要改进。DPM在特征层面对经典的HOG特征进行了扩展，也使用了滑动窗口方法，基于SVM进行分类，其核心思想是将待检测目标拆分成一系列部件，把检测一个复杂目标的问题转换成检测多个简单部件的问题。例如，将检测汽车转换成分别检测窗子、车体和车轮这3个部件。虽然如今检测算法的性能已经远超DPM，但DPM采用的问题拆分思想对后续检测算法的发展起到了深远的影响，现在很多检测问题都基于这一思想设计解决方案。也正因如此，P.Felzenszwalb和R.Girshick在2010年获得了PASCAL VOC授予的终身成就奖。