Opencv 哪种特征向量更适合检测停车位中是否有车辆？

我的目标是检测一辆车的插槽是空的还是被一辆车占用。最后，停车场将计算汽车数量

摄像头正在监控停车场，如示例图片所示。每个停车位显示的像素非常少。我选择四个像素点来定义ROI，并在图像中应用透视变换，请参见图1

支持向量机是一种很好的样本分类和训练方法。不幸的是，我不确定特征向量

挑战： -相邻插槽中汽车的阴影 -一辆车在一个插槽中，在另一个插槽中部分可见。
-大建筑物的阴影 -天气变化（晴朗、多云等） -雨后，槽颜色发生变化（干或湿） -不同的时段和视角变化

什么样的特征或特征向量最适合分类

提前谢谢大家,

---

如果您有足够的训练数据，颜色直方图可能已经足够了。您可以使用阴影、部分阴影、非阴影空位以及不同的车辆进行训练。可能很难获得足够的训练数据，也可以使用合成数据（渲染图像上的汽车和阴影）

---

因此，这不仅是一个关于功能的问题，也是一个关于训练样本的问题。

谢谢您的回答。对，训练样本的数量很重要。我可以收集尽可能多的训练样本。但例如，我可以使用透视图像的快速傅里叶变换作为特征向量吗？什么是最好的冗余和健壮的特征向量？如果你的训练集足够多样化，我会像我建议的那样使用颜色直方图。如果失败，我会重新考虑。