有效整合检测结果

Question

在Viola and Jones's论文的5.6节中，作者提到他们整合了探测器在扫描图像中的面部时所做的多次检测。在这种情况下，检测仅仅是位于图像上方的矩形区域，其中检测器认为存在面部。积分是重叠矩形区域的简单组合。这很有用，因为在扫描图像时，探测器可能会在单个面周围产生许多探测。

请注意，许多检测可能与其他检测不重叠，因此可以进行多个检测。例如，考虑具有2个面{4}和A的图像。还要考虑图像的区域B和C与面部非常相似，但不是面。在这种情况下，检测器可以为面D生成3个重叠检测，为面A生成5个重叠检测，针对区域B检测1个重叠检测，为区域C生成10个重叠检测。考虑到区域的检测与另一个区域的检测不重叠，整合过程应该对面部D产生单个最终检测，对面部A进行另一次检测，对区域{{进行另一次单一检测1}}和区域B的另一次单一检测。应该向用户显示这4个集成检测。

因此，为了整合检测，有必要将它们分成重叠检测的子集。但是我们应该将任何与子集中已有的检测重叠的检测添加到子集中。对检测列表的简单迭代将表现不佳（Ω（n²））。

我的问题是：什么数据结构和算法允许快速整合检测？请提供一些关于您提及的方法的文献证据（例如纸质或书籍参考）

Answer 1

你有基准吗？

重叠检测真的是性能瓶颈吗？不要太早优化。

您是否考虑过按x坐标对矩形数据进行排序？重叠检测应该相当便宜。

Answer 2

我认为R-tree可以解决问题。