NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。
这里主要以人脸检测中的应用为例，来说明NMS，并给出Matlab示例程序。
人脸检测的一些概念
（1） 绝大部分人脸检测器的核心是分类器，即给定一个尺寸固定图片，分类器判断是或者不是人脸；
（2）将分类器进化为检测器的关键是：在原始图像上从多个尺度产生窗口，并resize到固定尺寸，然后送给分类器做判断。最常用的方法是滑动窗口。
以下图为例，由于滑动窗口，同一个人可能有好几个框(每一个框都带有一个分类器得分)
而我们的目标是一个人只保留一个最优的框：
于是我们就要用到非极大值抑制，来抑制那些冗余的框： 抑制的过程是一个迭代-遍历-消除的过程。
（1）将所有框的得分降序排列，选中最高分及其对应的框：
（2）遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，我们就将框删除。
（3）从未处理的框中继续选一个得分最高的，重复上述过程。
下面给出MATLAB下的快速NMS代码，并带有详细的注释：
1 %% NMS:non maximum suppression
2 function pick = nms(boxes,threshold,type)
3 % boxes: m x 5,表示有m个框，5列分别是[x1 y1 x2 y2 score]
4 % threshold: IOU阈值
5 % type：IOU阈值的定义类型
6
7 % 输入为空，则直接返回
8 if isempty(boxes)
9 pick = [];
10 return;
11 end
12
13 % 依次取出左上角和右下角坐标以及分类器得分(置信度)
14 x1 = boxes(:,1);
15 y1 = boxes(:,2);
16 x2 = boxes(:,3);
17 y2 = boxes(:,4);
18 s = boxes(:,5);
19
20 % 计算每一个框的面积
21 area = (x2-x1+1) .* (y2-y1+1);
22
23 %将得分升序排列
24 [vals, I] = sort(s);
25
26 %初始化
27 pick = s*0;
28 counter = 1;
29
30 % 循环直至所有框处理完成
31 while ~isempty(I)
32 last = length(I); %当前剩余框的数量
33 i = I(last);%选中最后一个，即得分最高的框
34 pick(counter) = i;
35 counter = counter + 1;
36
37 %计算相交面积
38 xx1 = max(x1(i), x1(I(1:last-1)));
39 yy1 = max(y1(i), y1(I(1:last-1)));
40 xx2 = min(x2(i), x2(I(1:last-1)));
41 yy2 = min(y2(i), y2(I(1:last-1)));
42 w = max(0.0, xx2-xx1+1);
43 h = max(0.0, yy2-yy1+1);
44 inter = w.*h;
45
46 %不同定义下的IOU
47 if strcmp(type,'Min')
48 %重叠面积与最小框面积的比值
49 o = inter ./ min(area(i),area(I(1:last-1)));
50 else
51 %交集/并集
52 o = inter ./ (area(i) + area(I(1:last-1)) - inter);
53 end
54
55 %保留所有重叠面积小于阈值的框，留作下次处理
56 I = I(find(o<=threshold));
57 end
58 pick = pick(1:(counter-1));
59 end