我正在尝试检测一些这样的交通标志:https://i.stack.imgur.com/yOTZb.jpg https://i.stack.imgur.com/yOTZb.jpg
我设法隔离了交通标志(目前它始终是圆形的):http://image.noelshack.com/fichiers/2015/06/1422869734-3.jpg http://image.noelshack.com/fichiers/2015/06/1422869734-3.jpg
由于 SURF 的实时结果很差,并且参考了前一篇文章的提示,我想使用级联分类器来检测不同的交通标志(30、50、70...)。
1)交通标志是否能像人脸一样被级联的分类器很好地识别?我的意思是,交通标志是否容易受到 haar 特征检测?
2) 我是否需要为每个标志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 个交通标志的误报中(
反之亦然)?
3)如果我明白了,正面图像必须具有相同的尺寸,并且我需要删除背景?
抱歉我的英语不好,谢谢:)
我认为你需要根据交通标志的形状训练一些 Haar 检测器(一个用于三角形警告标志,另一个用于圆形标志等)。作为检测的结果,您将有一些候选者需要进一步处理,并且应该确定候选者是否为真阳性。
如果是真阳性:额外的分类需要识别已知形状的类型。此分类可以是 ANN 算法或 SVM。
对您问题的答复:
- 它在很大程度上取决于正/负数据库、用于训练的特征(Haar、LBP、HoG),但我认为这种级联结构对您的目的很有用。
- 上面已经部分回答了。对于底片:您应该使用一组非常不同的图像。例如。风景、动物等。收集大型数据库很重要,因为大多数底片在训练的第一步都会被拒绝。
- 在训练期间您需要使用相同的比例(对于正值),建议使用一些全局变换来减少不同照明条件的影响。但您不需要删除背景,只需沿着标志的边界裁剪图像即可。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)