Python 使用OpenCV从google street view检测路灯

我正在尝试使用OpenCV从谷歌街景中检测路灯

目前，作为样本，我有2000张正面图片，但只有1200张大致相同，所以我仅将其用于培训

还有2300张底片

正面图像示例：

我试着将它们缩小到不同的大小，并对它们进行训练，但现在，当我用这样的图像进行测试时，检测效果非常差：

根据

detectMultiScale

参数，我要么得到很多矩形，包括灯，要么得到一些矩形，但不包括实际的灯

在训练中，我主要修改高度和宽度参数，例如：（200,10）（150,30）、（120,30）。我还尝试将算法从LBP更改为HAAR，但结果相似

你认为我需要超过1000个阳性样本吗

在创建矢量文件之前，我应该做任何额外的预处理吗

你知道我应该改变什么参数使它工作吗

使用OpenCV是否可以检测谷歌街景图像中的灯具

---

将您的样品更改为仅带有少量天空的灯（因为我认为这将有助于特定性，而不是裁剪灯）

---

如果灯柱对您很重要，在找到一盏灯后，进行二次搜索以找到附在灯柱上的灯柱（或者如果没有灯柱）。寻找一条从你找到的灯中发出的线，并将其追踪到地面。在大多数这些图像中（我想象大多数场景），只有一条清晰的线（柱子）从光中发出。您可以使用某种形式的颜色/方向传播来跟踪立柱的各种曲线和角。

我认为这对于openCV cascade分类器来说不是一个好任务，因为灯具中没有太多纹理，周围有很多背景。如果你用opencv_createsamples工具完美地分割灯光，并为每个阳性样本添加大量不同的背景，也许你会有一些运气，但不能保证……我会尝试完美地裁剪图片，白色背景似乎需要我很多时间，但我会尝试查看结果，并将其发布在这里。除非有人提出一个更简单的解决方案。感谢您将不得不将“随机”背景与opencv_createsamples合并。但正如我所说，灯具内部没有太多纹理，所以我猜LBP/HAAR仍然不是正确的选择。也许HoG工作得更好，但我不知道灯是否需要调整得更好。好的，我会看看HoG，看看我是否能看到一些相关的东西，我也在考虑这个问题，但不确定这是否会产生影响。如果没有，我可能会看看Tensorflow对象检测API或其他东西来解决这个问题。如果这不起作用，我可能会选择切割+创建样本。你试过只使用“灯的一部分”而不是整个灯柱作为阳性样本吗？也许你会得到更好的准确度。谢谢，我还在切割图像，我会确认答案是否有效。我设法在灯部件周围获得了良好的检测，但只有使用Tensorflow对象检测API。谢谢