基于交通标志的OpenCV级联分类器

我正试着检测一些交通标志，比如：

我设法隔离了交通标志（目前，它始终是圆形的）：

由于SURF的实时效果不好，以及前一篇文章的提示，我想使用分类器的级联来检测不同的交通标志（30,50,70…）

1） 交通标志会像人脸一样被很好地识别为分类器的级联吗？我的意思是，交通标志是否容易受到haar特征检测的影响

2） 我是否需要为每个符号训练一个级联分类器（一个.xml）？我是否需要将30,70个交通标志的图像放入50个假阳性中( 反之亦然）

3） 如果我明白了，正面图像必须有相同的大小，我需要删除背景吗

---

对不起我的英语，谢谢：）

我认为你需要针对每个交通标志的形状（一个用于三角形警告标志，另一个用于圆形标志等）培训一些Haar检测器。根据检测结果，您将有一些候选者需要进一步处理，并应确定候选者是否为真阳性。
如果为真阳性：额外的分类需要识别已知形状的类型。这种分类可以是神经网络算法或支持向量机。

回答您的问题：

这在很大程度上取决于正/负数据库，以及用于训练的特性（Haar、LBP、HoG），但我认为这种级联结构对于您的目的是有用的

上面回答了部分问题。对于底片：你应该使用一组非常不同的图像。例如，景观、动物等。收集大型数据库很重要，因为在培训的第一步，大多数负面信息都会被拒绝

在培训期间，您需要使用相同的比例（正比例），建议使用一些全局变换来减少不同照明条件的影响。但是你不需要移除背景，只需要沿着标志的边界裁剪图像

---

谢谢你的回答，50个正片和1000个负片都是很好的样本？“将有一些候选人进行进一步处理，并应决定候选人是否为真阳性”这是高级步骤决定的？我将在ANN和SVM上看到文档，但我希望我能实现这样的事情。为什么不保留圆形检测的图像，（），然后使用Haar？我只能说明我对人脸检测器的经验。对于正面人脸，我使用了一个包含7000多个元素的正面数据库，使用了大约20000个元素的负面数据库，以获得良好的结果。另一方面，一旦检测到圆形标志，您需要识别它（例如，它有50 km/h的速度限制）。为此，应将圆形标志分类（例如，5个类别：30、50、70、100、130 km/h限制的标志类别），并可使用支持向量机进行分类。因此，支持向量机仅用于分类，首先应将标志图像转换为向量表示（它可以是矩阵的连续成像，或者之前可以使用一些全局变换，例如LBP），并且可以从中形成模型。您不必实现这些分类方法。使用GRT进行分类，这里是支持向量机的一个示例用法：我再次：）在您的评论中，我看到检测到符号只是不够准确。您应该对结果进行后处理以优化检测。在Haar的输出周围用Hough检测圆，或使用边界的颜色信息（几乎是红色）等。