行人检测算法的评价准则

监控视频中基于视觉检测机制的行人检测算法的有效性评估是一个重要问题，需要在一个具有一致性和可量化的基准框架内进行不同算法的性能评估，衡量不同算法的优劣。目前评价方法主要分为两类，基于分类器的评价和基于检测的评价。

1）基于分类器的评价

基于分类器的评价针对“目标识别”这一步骤中采用的分类器的性能进行评价，正面测试样本是一系列和训练样本同样大小的包含行人的窗口，正确率一般用正确分类的窗口数量和总的窗口数量的比值来表示；负面测试样本是一系列不包含行人的窗口，虚警率用错误分类的窗口数量和总的窗口数量的比值来表示。优点是简单、直接；缺点是这不是针对行人检测问题本身的评价，很难评价出一个行人检测系统的整体性能。

2）基于检测的评价(www.xing528.com)

基于检测的评价是对行人检测问题本身的评价。测试数据一般是一个图片集或者视频序列，人工对行人在图像或视频中的位置进行标注，评价时将检测到的行人的位置和标注的位置进行比较，如果误差小于阈值，则判决为正确的检测结果；否则视为一个虚警。正确率被定义为正确检测到的目标个数和手工标注的目标个数的比值；虚警率被定义为一个数据集上出现的总的虚警的个数或者平均出现一个虚警个数的帧数。优点是对检测问题本身的评价，直接评价了感兴趣区域（ROIs）分割和目标识别两者结合在一起的性能；缺点是由于手工标注的主观性和判决正确检测结果阈值设置的不同，很难比较各个系统的优劣。

除了评价方法的不同外，各种算法用来做测试的数据集也不完全相同，使得算法的评价十分困难，建立一个公共的训练和测试数据库是该领域必须解决的问题。