视频目标检测调研
1.主要问题：
与图像目标检测的主要区别是：
- 视频信息具有大量冗余，这些冗余会如果能合理的利用或者去除，会大大提高处理速度；
- 视频信息中的目标经常会出现变形、遮挡、模糊，这会导致检测结果的不稳定，出现漏检。
2.基本方法：
- 基于单帧图像的
- 结合上下文和时间信息的：
- 双流法
- 三维卷积
- 基于流特征的
- LSTM
3.基于单帧图像的视频检测方法
基于单帧的视频图像处理方法目前已经研究的很多。主流的方法有R-CNN的系列方法，如：Faster R-CNN；基于回归的方法，如YOLO、SSD。具体特点不详述。
4.结合上下文和时间信息的方法
4.1双流法：T-CNN
对图像的处理在中间分为两个流程：一个流程处理单帧图像信息；一个流程处理时间图像信息。其思想是将检测和追踪结合起来，将已有的方法结合起来了。其处理帧率约在10fps左右。
4.2三维卷积方法：C3D
将视频图像流作为图像处理整体，使用三维卷积对其做深度学习，将空域特征和时域特征同时提取，该方法相比传统的2D方法，能有效的利用时间信息来增加区分度，效率有明显的提高，基于VGG系列的网络帧率可达到313FPS。
4.3基于流特征的方法：DFF和FGFA
基于流特征的方法挺多，这里说的方法是MSRA（MicroSoft Research Asia）提出的两种方法Deep Feature Flow（深度特征流）和Flow Guide Feature Aggregate（流指导特征融合）。
DFF方法是对关键帧做特征提取，其他帧没有特征提取网络，只运行任务网络。以此通过流特征来节省处理时间。其帧率可达到20-30fps，需要根据检测精度做权衡。
FGFA方法是在部分中间帧的特征不明显时，使用前后帧的特征进行融合来获取当前帧的特征图，以此来提高检测效果。其帧率在25-30fps左右。
4.4基于长短程记忆的方法：LSTM
我还没有仔细研究，基本原理可能是引入了记忆模块，可以用短程甚至长程的特征来辅助当前帧进行快速特征提取。