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。Opencv 哪种特征向量更适合检测停车位中是否有车辆?,opencv,classification,object-detection,Opencv,Classification,Object Detection,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
-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。