在OpenCV中使用Haar Cascade Classifier来计算停车场航拍图像中的汽车

Question

我想计算停车场航拍图像中的汽车数量。经过一些研究后，我相信Haar Cascade Classifiers可能是一个选择。我将使用的图像示例类似于Google地图中停车场的放大图像。

我目前的计划是使用汽车训练自定义Haar分类器，我只从一个方向（向上和向下）裁剪图像，然后多次尝试识别，同时以15度的增量旋转图像。我的具体问题是：

1. 在这里使用Haar分类器是一种好方法还是有更好的方法？
2. 假设这是一个很好的方法，当从较大的图像中裁剪汽车用于训练数据时，最好裁剪一个可能在相邻停车位中包含一小部分汽车的较大区域（尽管一些训练图像显然会包括单人车，旁边只有一辆车的汽车等等，或者最好尽可能地将汽车剪裁成轮廓？
3. 再次假设我采取这种方法，我怎么能避免重复计算汽车？如果汽车在一个方向被识别，我不希望它被再次计算。是否有某种方法可以将汽车标记为计数并忽略它？

Answer 1

我认为在你的情况下我不会选择Haar功能，你应该搜索旋转不变的东西。

我建议按以下顺序处理此任务： 创建一个可靠的培训/测试数据集，并仔细研究有关获得良好阴性样本的论文。根据我的经验，良好的阴性样本会对分类器的最终质量产生很大影响。如果您的所有样品具有相同的图像尺寸，它将使您的生活更轻松。添加不同类型的负样品，半车，只有路面，草，树木，人等...

在开始搜索分类器之前，请确保按顺序使用评估管道，使用最简单的Haar分类器进行10倍交叉评估。现在你有一个基线。如果您发现数据集需要调整，请尽量保留您测试的所有功能的软件。理想情况下，您只需执行脚本并自动重新运行对新数据集的整体评估。

当你找到一个旋转不变的特征时，多次计算汽车的问题就不那么重要了。由于简单的阈值处理可能无法获得良好的识别，因此仍然会进行非最大抑制。

作为提示，您可能会考虑HOG功能，我确实在使用它们的汽车上取得了一些不错的效果。