哪个适用于汽车检测，CascadeClassifier或HOGDescriptor？

Question

我的目标是检测图像中的汽车并识别其模型。对于汽车检测，来自http://docs.opencv.org/trunk/opencv_cheatsheet.pdf，它说：

  

CascadeClassifier

     

Viola使用Haar或LBP功能的级联升级分类器。   适用于检测面部，面部特征和其他一些物体   没有多样的纹理。见facedetect.cpp

     

HOGDescriptor

     <磷>氮。 Dalal的物体探测器使用直方图梯度（HOG）   特征。适合用于检测人员，汽车和其他物体   明确的轮廓。见peopledetect.cpp

和http://docs.opencv.org/opencv2refman.pdf，第8.1章级联分类，第421页：

  

首先，分类器（即一系列增强分类器工作   具有类似哈尔的特征）训练有几百个样本视图   特定物体（即脸部或汽车），称为正面例子，   缩放到相同大小（例如，20x20）和负面示例 -   任意大小的图像。

这两种方法都提到了申请汽车检测：在opencv_cheatsheet.pdf中，它说HOGDescriptor适合汽车，而在opencv2refman.pdf中，它也提到汽车用于级联分类。所以我的问题是如何在CascadeClassifier和HOGDescriptor之间进行选择，哪个更适合汽车检测？谢谢。

Answer 1

没有测试很难说，但实际上我用第三个选项 - latentSVM探测器得到了非常好的结果。

Answer 2

这取决于您在速度，准确度等方面的目标。您使用级联分类器并可以获得所需的结果。虽然级联分类器非常好但仍然是计算昂贵的。在那种情况下你可以gpu。以下是一些例子。

https://github.com/abhi-kumar/CAR-DETECTION

Answer 3

这是一个研究问题。由CascadeClassifier和HOG训练的分类器可用于检测车辆。在CascadeClassifier和HOG的情况下，OpenCV提供了构建定制检测器的详细帮助。分类器的质量可以准确地描述，在我的情况下，我对实时实现更感兴趣。所以你必须看看许多不同的因素。