基于OpenCV的级联分类器检测交通信号

Question

我正在研究“根据交通信号灯（红色，绿色，黄色）的变化控制Raspberry Pi的GPIO引脚”。现在，我只专注于交通灯检测部分。为此，我使用Cascade分类器来实现Haar功能。

我有2000个负样本图像，我已将其转换为灰度并重新塑造为120 X 120.此外，我有一个交通信号正面图像（40 X 120），我从中生成2000个正样本。最后，我正在训练我的分类器使用2000个阳性样本和1000个阴性样本，分为10个阶段。

我的一些测试图像的输出如下所示： Output 1

output 2

Output 3

我从中创建了正样本的图像： positive image

我有一些疑问/疑问，需要一些建议来改进或修改我的分类器。

1）我是否需要使用多个图像作为正图像来创建样本？

2）为什么我无法检测到上面图像中的所有交通信号？

3）我在图像形状或其他方面做错了吗？

4）如果我错了，请在这一点上纠正我 - 在交通信号上绘制一个矩形，我使用cv2.rectangle函数并提供恒定的高度/宽度参数，这就是它绘制一个大的唯一原因矩形，无论我的交通信号在图像中的距离/远近！是否有动态更改此大小的建议？

谢谢。

Answer 1

对我来说，看起来你的网络还没有学到足够的东西。

1）我强烈建议拍摄20-50个红绿灯样本，而不是一个样本。您仍然可以使用它们生成数千个样本进行培训。

2）最有可能是因为训练不足，但你也应该检查检测阶段的参数。您为检测设置的最小和最大尺寸是多少？

3）您不必重新塑造或重新调整图像大小，因此这不应成为问题。

1. 检测器返回检测到的所有对象的位置（x，Y）和大小（宽度，高度）。因此，您应该能够动态更改大小，而不是使用恒定的宽度和高度。请参考Haar人脸检测的opencv示例，使用您选择的语言。