用于检测Mororcycles的最佳级联（侧视图）HOG / LBP / HAAR /其他

Question

我正在尝试训练级联来检测摩托车。我尝试了LBP（第15阶段）并且它给出了太多的假阴性，这是我到现在为止所做的，

我录制了所需的流量视频。开发了一个程序来跟踪所有移动的物体以及它何时越过检测线cv::imwrite()以保存矩形ROI。手动分离的是电动机循环而不是电动机循环，裁剪它们并确保其他摩托车没有摩托车。 像这样我收集了 257个正面图像和 653个负面图像（如果需要我可以获得更多底片），

如果您想查看收集的数据，我已在此处上传：

• positive images (all)（忽略图片的名称）
• negative images

看起来像这样：

肯定:(是的，它们的大小不同）

，，，，，

负面的是汽车，卡车，人等...

我使用opencv_traincascade使用numStages 15和20生成了LBP级联。他们给予了太多（约55％）漏报

我尝试使用https://github.com/opencv/opencv/blob/master/samples/cpp/train_HOG.cpp生成HOG级联，但它需要提供固定大小的样本，即64x128（这将使我的图像完全变形，我认为这不会起作用）。

通过查看上面的图片，您能否就我如何实现我的要求提出一些建议？我应该尝试HOG吗？哈哈？ LBP？我应该增加/减少numStages吗？ 如何减少漏报？

您的投入最受重视，谢谢。

Answer 1

您可以尝试TensorFlow。 我已将它应用于车辆分类。教网络需要许多图片。但结果并不那么好。对于任何需要训练多次的摄像机位置。

我现在正在解决同样的问题。 什么算法更好，更适合解决图像上的车牌搜索问题？我已经解决了char识别任务。我读过哈尔，HOG，LBP。还有其他的东西（可能比这些算法更有效）吗？

我附上了输入图片示例。图像压缩了5倍。例如，在此图像中，我在号牌周围画了一个红色矩形。 the real road photo

最糟糕的情况是，通常车牌和图像具有更好的质量，对比度和亮度。这张照片是在一个冬天晴天和阴天的时候拍的。

准确性比算法的性能和速度更重要，我有足够的CPU。