Pedestrian Detection and Attribute Recognition.
1. 行人检测 Pedestrian Detection
行人检测(Pedestrian Detection)要解决的问题是：找出图像或视频帧中所有的行人，包括位置和大小，一般用矩形框表示，是典型的目标检测问题。
行人检测的主要困难：
- 外观差异大：外观差异主要体现在视角，姿态，服饰和附着物，光照，成像距离等。
- 遮挡问题：在很多应用场景中，行人非常密集，存在严重的遮挡，这对检测算法带来了严重的挑战。
- 背景复杂：无论是室内还是室外，行人检测一般面临的背景都非常复杂，有些物体的外观和形状、颜色、纹理很像人体。
- 检测速度：行人检测一般采用了复杂的模型，运算量相当大，要达到实时非常困难，一般需要大量的优化。
行人检测常用的数据集包括：
用于评估检测器性能的指标通常有：对数平均漏检率（LAMR）、每秒帧数(帧率）（FPS）、准确率（AP）和召回率（recall）。帧率表示模型的效率，准确率、对数平均漏检率和召回率反映了模型的准确性。
⚪ DeepParts：Deep Learning Strong Parts for Pedestrian Detection
DeepParts基于多个局部检测器完成行人检测；使用对身体的局部检测来降低对行人检测的丢失率。进行局部检测的目的主要是为了处理行人身体被遮挡的问题。
算法流程：
- 构造part pool；
- 对于每一个part，训练一个单独的检测器；
- 使用互补的检测器推断目标。
① Part Pool
使用$2m×m$的网格定义一个人的全身，将身体的一部分（Part prototype）定义为$P=(x,y,w,h,i)$，$x,y$为中心点坐标，$w,h$分别为网格的宽高,i表示第几个Part prototype。
其中，为了避免可能有太细小的部分生成，使$w$和$h$的最小值为$2$。在具体的实现中定义了$45$个Part prototype。
② Part Detector
对于每个Part，都单独训练了卷积网络分类器。
- 负样本为对应区域不是行人的候选区域；
- 正样本是当ground truth中可见得部分能覆盖Part prototype时，提取对应部分为作为正样本。
如下图是head-shoulder part的分类器：
③ Bbox Shifting
检测得到的边界框存在漂移问题。
若在单方向上相对ground truth偏移$10\%$，就会使$IoU$为$0.9$，但是当在两个方向同时偏移$10\%$时，$IoU$就成了$0.68$，这就可能导致人体重要部分丢失，所以就要解决偏移问题。
在候选区域周围抖动的裁剪多个图像块，将这些块进行检测，选择得分最高的区域作为最终的结果。
为减少计算量，使用全卷积网络实现。将每个候选区域送给全卷积神经网络之前，重调它的大小为$(227+32n)×(227+32n)$，最后就可以得到对应于每个$227×227$区域的$(1+n)×(1+n)$个得分映射。取其中得分最大的区域作为候选区域。。
2. 行人属性识别 Pedestrian Attribute Recognition
行人属性识别（Pedestrian Attribute Recognition，PAR）是从行人图像中挖掘属性信息，属性信息是行人的高层语义信息，将属性信息集成到行人检测、行人重识别等任务中可以获得更好的性能。
行人属性识别常用的数据集包括：
- PETA：19000张图像，分辨率从17 × 39 到 169 × 365，来自于8705个人，共61个二分类属性和4个多分类属性。
- RAP: 41585张图像，分辨率从36 × 92 到 344 × 554，共72个属性(69个二分类属性，3个多分类属性)
- PA-100K: 来自于598个室外监控视频，100000幅图像，分辨率50×100到758 × 454，目前最大的PAR数据集，共26个属性。
⚪ DeepSAR & DeepMAR：Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios
DeepSAR是对行人的单一属性进行识别，DeepMAR是对行人的多项属性进行识别；即通过卷积网络后分别进行二分类和多个二分类：
⚪ HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis
HP-Net将注意力机制引入行人属性识别中。
网络分为Main Net(M-Net)和Attentive Feature Net(AF-Net)。网络的四条主路径是共享参数的。
在AF-Net中，分别对三个Inception模块使用了multi-directional attention (MDA)：
