高效整合檢測結果

Question

在Viola and Jones's論文第5.6節中，作者提到他們整合了檢測器在檢測圖像中的臉部時進行的多次檢測。在這種情況下，檢測僅僅是位於檢測器認爲臉部存在的圖像上方的矩形區域。積分是重疊矩形區域的簡單組合。這很有用，因爲檢測器可能會在掃描圖像時在單個臉部周圍產生很多檢測結果。

請注意，許多檢測可能不會與其他檢測重疊，因此可能有多個集成檢測。例如，考慮具有兩個面的圖像，即A和B。還要考慮圖像的區域爲C和D，它們與面非常相似，但不是面。在這種情況下，檢測器可以產生臉部A的3個重疊檢測，面部B的5個重疊檢測，區域C的1個檢測以及區域D的10個重疊檢測。考慮到一個區域的檢測與另一個區域的檢測不重疊，整合程序應該產生一個面部最終檢測A，面部B的另一個檢測，區域C的另一個單獨檢測和區域D的另一個單一檢測。這4個綜合檢測結果應該顯示給用戶。

因此，要整合檢測，有必要將它們分爲重疊檢測的子集。但是我們應該在子集中添加任何與任何檢測重疊的檢測。對檢測列表進行簡單迭代的性能會很差（Ω（n²））。

我的問題是：什麼數據結構和算法允許快速集成檢測？請提供一些關於您提及的方法的文學證據（例如論文或書籍參考資料）。

Answer 1

我認爲R-trees應該解決這個問題。

Answer 2

你有基準嗎？

重疊檢測真的是性能瓶頸嗎？不要太早優化。

你有沒有考慮用x座標排列矩形數據？重疊檢測應該相當便宜。