DPM原理
DPM是一个非常成功的目标检测算法。DPM可以看作是HOG的拓展。大体思路与HOG一致。先计算梯度方向直方图，然后用SVM（Surpport Vector Machine ）训练得到物体的梯度模型（Model）。有了这样的模板就可以直接用来分类了，简单理解就是模型和目标匹配。
Paste_Image.png
上图是HOG论文中训练出来的人形模型。它是单模型，对直立的正面和背面人检测效果很好，但是， 如果是侧面呢？所以自然我们会想到用多模型来做。DPM就使用了2个模型，主页上最新版本Versio5的程序使用了12个模型。
But
有些时候对于视角问题和非刚性物体形变训练、检测效果不好。
Paste_Image.png
上图右边的两个模型各使用了6个子模型，白色矩形框出来的区域就是一个子模型。
用子模型可以解决我们的模型不能适应物体的运动,特别是非刚性物体的运动的问题。使用子模型，比如给手一个子模型，当手移动时，子模型能够检测到手的位置。把子模型和主模型的匹配程度综合起来，最简单的就是相加，那模型匹配程度就提高了。同时应当注意的是子模型不能离主模型太远了，所以我们加入子模型与主模型的位置偏移作为Cost,也就是说综合得分要减去偏移Cost.本质上就是使用子模型和主模型的空间先验知识。
检测过程
Paste_Image.png
SVM训练（略）
这个模型相对不准并且慢。
