Opencv 检测摩洛自行车的最佳级联（侧视图）HOG/LBP/HAAR/其他

我试图训练cascade来检测摩托车。我尝试了LBP（第15阶段），但它给出了太多的假阴性，以下是我迄今为止所做的

我录制了所需的交通视频。开发了一个程序来跟踪所有移动的物体，当它越过检测线时，

cv:：imwrite（）

来保存矩形ROI。手动分离摩托车和非摩托车，裁剪它们，确保其他摩托车没有摩托车。像这样，我收集了大约257张正片和653张负片（如果需要，我可以得到更多的负片）

如果您想查看收集的数据，我已将其上传至此处：

• （忽略图像的名称）

看起来是这样的：

正面：（是的，尺寸不同）

,

底片是汽车、卡车、人等

我使用编号为15和20的

opencv\u traincascade

生成了LBP级联。他们给出了太多（约55%）假阴性

我尝试使用生成HOG cascade，但它需要提供固定大小的样本，也就是64x128（这会使我的图像完全变形，我认为这行不通）

通过查看上面的图片，您能为我如何达到我的要求提供一些建议吗？我应该试试猪吗？哈尔？LBP？我是否应该增加/减少

数值

？ 如何减少假阴性

您的输入非常宝贵，谢谢。

您可以尝试TensorFlow。 我已将其应用于车辆分类。网络教学需要很多图片。但结果并不那么好。对于任何摄像机位置，都需要多次训练

我现在正在解决同样的问题。 哪种算法更好，更适合解决图像上的车牌搜索问题？我已经解决了字符识别任务。我读过关于哈尔、猪、LBP的书。是否还有其他（可能比这些算法更有效）存在

我已经附上了输入图像的例子。图像压缩了5倍。例如，在这幅图中，我在车牌周围画了一个红色矩形

这是最糟糕的情况，通常车牌和图像具有更好的质量、对比度和亮度。这张照片拍摄于一个冬天，天气阴暗肮脏

---

准确性比算法的性能和速度更重要，我有足够好的CPU。

尝试深入学习。