---

date: 2017-07-21 16:48:02

非极大值抑制算法（Non-maximum suppression, NMS）

算法原理

非极大值抑制算法的本质是搜索局部极大值，抑制非极大值元素。

算法用途

如在物体检测中可以通过应用NMS算法来消除多余的交叉重复的窗口，使在同一物体的多个检测窗口中保留下得分最高的窗口。

NMS算法亦可用于视频跟踪/数据挖掘/3D重建以及文理分析等。

算法实现思路

首先迭代所有的点，迭代每一个点的时候判断该点是否符合局部最大值的条件。

NMS算法在三邻域情况下的实现

三邻域情况下的NMS即判断一维数组array中的元素array[i]是否大于其左邻元素array[i-1]和右邻元素array[i+1]，具体实现如下图（Python表示）：

import numpy as np

array = [0] + np.random.randint(100, size=10).tolist() + [0]

keep = []

i = 1

while i <= 10:

    if array[i] > array[i+1]:

        if array[i] > array[i-1]:

            keep.append(array[i])

    else:

        i += 1

        while i <= 10 and array[i] <= array[i+1]:

            i += 1

        if i <= 10:

            keep.append(array[i])

    i += 2

NMS算法应用于人脸检测窗口选择的实现（Python实现）

import numpy as np

def nms(rects, threshold):

    x1, y1, x2, y2, scores = rects[:, 0], rects[:, 1], rects[:, 2], rects[:, 3], rects[:, 4]

    areas = (x2 - x1 + 1) * (y2 - y1 + 1)

    order = scores.argsort()[::-1]

    keep = []

    while order.size > 0:

        i = order[0]

        keep.append(i)

        xx1 = np.maximum(x1[i], x1[order[1:]])

        yy1 = np.maximum(y1[i], y1[order[1:]])

        xx2 = np.minimum(x2[i], x2[order[1:]])

        yy2 = np.minimum(y2[i], y2[order[1:]])

        inter = np.maximun(0.0, xx2 - xx1 + 1) * np.maximum(0.0, yy2 - yy1 + 1)

        iou = inter / (areas[i] + areas[order[1:]] - inter)

        indexs = np.where(iou <= threshold)[0]

        order = order[indexs + 1]

    return keep

非极大值抑制算法（Python实现）的相关教程结束。