Python 物体颜色分类

我想制作一个程序，通过视频中衣服的颜色对人们的职业进行分类

例如，如果一个人穿着白色外套，那么他就是一名医生

如果他穿着蓝色衣服，那他就是警察

我曾尝试编写代码，将图像切割到上半部分，以便于颜色识别

image= image[:len(image)/2]

然后，我将图像更改为HSV，使其更加平滑。我根据颜色的范围来分析它

dst = cv2.bilateralFilter(image,9,75,75)
# Conver the image from RGB to HSV
hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
channels = split(hsv)
ratio = ((float)(count(channels)) / (float)(total_number_of_pixel))

然而，我发现比值非常小。我认为这是因为b背景噪声。

---

我正在寻找如何消除背景噪音的帮助。是否有更合适的方法对职业进行分类？

为什么不先进行边缘检测，然后根据您的标准取出图像的相关部分。谢谢您的回复。边缘检测与特征匹配相似吗？我曾尝试在opencv中使用特征匹配，但它无法识别。我的程序是从cam中识别人，因此我无法从图像中提取“相关部分”，因为它非常小。这两个部分不同，但从外行的角度来看，基本上可以使用边缘检测和特征匹配的组合。我并不是这方面的专家，但实际上你可以使用边缘检测过滤器获得边缘，然后使用特征匹配过滤掉“人类”。一旦人类离开，你可以在整个图像的中点应用一个简单的过滤器来检测颜色。。这听起来像个主意吗？是的，听起来不错。这是职业分类的唯一方法吗？如果我们只考虑图像的中点，就会有一个巨大的MIS分类，你实际上可以准备一个像4x4这样的过滤器，并将它映射到上半部以获得正确的分类；这仍然不是很完美的方式，但它会给你一个开始