使用OpenCV检测写在白板上的符号

我正在尝试检测用黑/蓝/红/绿标记写在白板上的形状。形状可以是圆、矩形或三角形。图片可以在这篇文章的底部找到

我使用OpenCV作为图像识别的框架

我的第一项任务是研究并列出可用于检测的不同策略。到目前为止，我发现了以下几点：

1） 灰度、模糊、Canny边缘、轮廓检测，然后确定检测到的轮廓是否为形状的逻辑

2） 具有不同形状特征的Haar训练

3） 支持向量机分类

4） 灰度、模糊、Canny边缘、Hough变换和某种颜色分割

有没有其他我错过的策略？有更新的文章或测试过的方法吗？你会怎么做

测试图片之一：

更新：

---

第一种策略似乎效果最好，但还远远不够完美。当盒子没有关闭，或者当白板有很多噪音时，问题就会出现。Haar训练似乎不是很有效，因为检测的形状很简单，没有很多特定的特征。我还没有尝试过CNN，但它似乎最适合图像分类，也不太适合在更大的图像中检测形状（但我不确定）

我认为第一种选择应该可行。您可以使用傅立叶描述符对分段形状进行分类

此外，也许你可以在这里找到一些有用的东西：

---

如果你想尝试一种更具挑战性但更现代的方法，请考虑深度学习方法（我将从美国有线电视新闻网开始）。internet上有许多可用的实现。虽然对于这个特定的项目来说，这可能是一个过分的做法，但它可能会在将来帮助您……

看一看，而且我认为我现在最大的问题是白板并不总是白色的。即使在我应用了一些模糊效果后，也可能会有反射、旧图形（未完全擦除）和一般噪音。现在最好的结果是模糊、精明的边缘、近变形、轮廓，然后是丢弃无效轮廓的逻辑。我会调查CNN。您是否有一些教程/hello world示例可供我开始使用？在这里您将找到大量有用的信息：。在python中，您有两个很棒的库（keras和lasagne），它们实现了不同的深度学习方法。如果可以，请上传示例图像。我已将图像链接添加到帖子（）。我想检测两个矩形和圆。如果检测到机顶盒也可以。标记颜色只能是红色、绿色、蓝色或黑色。如果你考虑到这一点，你将能够摆脱反射和阴影。为什么不将图像的每个颜色通道与灰色图像分开设置阈值，并结合结果呢。这样，您应该只剩下红色、绿色、蓝色和黑色文本，并带有一些轻微的附加效果。接下来是扩张、标记和分类。