关于对象检测的算法

Question

我正在尝试检测车辆，因为我使用了SURF / SIFT和BOW与SVM方法，但车辆是不同类型的，我只是研究SURF / SIFT用于一个特定的物体检测，如usb，手机等。这是否也意味着它也影响（在检测中）不同类型的汽车，如丰田和宝马等？还是像卡车和汽车这样的车辆？

如果我们向SURF / SIFT提供大量10/15种不同车辆的数据集，那么它是否能够通过实时方法检测到不同类型的车辆而获得不错的结果？

Answer 1

SURF / SIFT是空间局部特征。如果数据集足够大，结果应该是好的。即使对于不同的车辆，在场景图像中也只能获得该车辆的特定结构。

然而，如果存在类似的非车辆结构，则误报可能会蔓延。 （例如，带栅栏的小矩形房屋的扭曲图像）。因此，道路检测等一些全局特征可能会提高准确性。

所以，如果您的应用程序图像中没有误报，我认为带有single class SVM的车辆的sirf / surf功能应该会有所帮助。

Answer 2

似乎错误地选择了功能和可能的处理方法。例如，特征应该代表所有类别的汽车，因此不能是特定的兴趣点，描述符仅代表点周围的梯度的一些特点，并且匹配寻找相对于其他点的精确空间配置。

使用SVM进行处理意味着您可以根据所有其他对象对汽车进行分类。我不知道你怎么会得到“所有其他对象”支持向量。更明智的特征与人类似乎用于检测汽车的情况相同，例如使用HOG纸张来使用可变形部件的混合物。这更接近艺术的状态并获得多个奖项，因此不需要发明自行车。