ICF (Integral Channel Features)

ICF是Piotr Dollar于2009年在文章[1]中提出的。其将所有可以通过积分图计算的特征统称为ICF。其文章中实验表明使用LVU, HOG, 梯度幅值10个channel的特征(其中hog使用6个bin)在行人检测中效果最好:

1. LUV、梯度幅值上可以使用一阶(即正方形区域内值的和)或二阶(如haar-like, 不同区域之间的差)`
2. HOG文章中使用6个方向，这样HOG可以通过6个直方图来计算，每个直方图计算一个方向
   
   

ACF (Aggregate Channel Features)

ACF是Piotr Dollar于2014年在文章2中提出的，其采用ICF中使用的LVU, HOG, 梯度幅值10个channel,但只使用一阶特征(即矩形区域内值的和)。

例如

图像中目标区域为32x64时，将其划分为8x8的cell，则此时目标区域被划分成4x8的cell，只使用cell内值的和作为特征，则此时目标区域内的总特征维数为4x8x10。检测时，先算好整张图像的特征图，然后在特征图上进行窗口扫描(即feature-centric)。缺点是其在特征图上的扫描相当于在原图上使用步长为8(即cell大小)进行扫描

References

1. Integral Channel Features (2009)
2. Fast Feature Pyramids for Object Detection (2014)
3. Fast Human Detection Using a Cascade of Histograms of Oriented Gradients (2006)