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

时间:2018-04-05 05:28:47

标签: opencv cascade-classifier

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:

看起来像这样:

肯定:(是的,它们的大小不同)

enter image description hereenter image description hereenter image description hereenter image description hereenter image description hereenter image description here

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。

1 个答案:

答案 0 :(得分: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。