NMS——非极大值抑制

NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。

这里主要以人脸检测中的应用为例，来说明 NMS，并给出 Matlab 和 C++ 示例程序。

人脸检测的一些概念

（1） 绝大部分人脸检测器的核心是分类器，即给定一个尺寸固定图片，分类器判断是或者不是人脸；

（2）将分类器进化为检测器的关键是：在原始图像上从多个尺度产生窗口，并 resize 到固定尺寸，然后送给分类器做判断。最常用的方法是滑动窗口。

以下图为例，由于滑动窗口，同一个人可能有好几个框 (每一个框都带有一个分类器得分)

而我们的目标是一个人只保留一个最优的框：

于是我们就要用到非极大值抑制，来抑制那些冗余的框： 抑制的过程是一个迭代 - 遍历 - 消除的过程。

（1）将所有框的得分排序，选中最高分及其对应的框：

（2）遍历其余的框，如果和当前最高分框的重叠面积 (IOU) 大于一定阈值，我们就将框删除。

（3）从未处理的框中继续选一个得分最高的，重复上述过程。

下面给出 MATLAB 下的快速 NMS 代码，并带有详细的注释：

function pick = nms(boxes,threshold,type)
    if isempty(boxes)
      pick = [];
      return;
    end
    x1 = boxes(:,1);
    y1 = boxes(:,2);
    x2 = boxes(:,3);
    y2 = boxes(:,4);
    s = boxes(:,5);
    area = (x2-x1+1) .* (y2-y1+1);
    [vals, I] = sort(s);
    pick = s*0;
    counter = 1;
    while ~isempty(I)
        last = length(I); 
        i = I(last);
        pick(counter) = i;
        counter = counter + 1;  
        xx1 = max(x1(i), x1(I(1:last-1)));
        yy1 = max(y1(i), y1(I(1:last-1)));
        xx2 = min(x2(i), x2(I(1:last-1)));
        yy2 = min(y2(i), y2(I(1:last-1)));  
        w = max(0.0, xx2-xx1+1);
        h = max(0.0, yy2-yy1+1); 
        inter = w.*h;
        if strcmp(type,'Min')
            o = inter ./ min(area(i),area(I(1:last-1)));
        else
            o = inter ./ (area(i) + area(I(1:last-1)) - inter);
        end
        I = I(find(o<=threshold));
    end
    pick = pick(1:(counter-1));
end

https://blog.csdn.net/shuzfan/article/details/52711706#commentsedit ```