使用OpenCV和机器学习进行简单的对象检测

Question

我必须使用OpenCV编码对象检测器（在本例中为球）。问题是，google上的每一次搜索都会返回一些带有FACE DETECTION的内容。所以我需要帮助从哪里开始，使用什么等等。

一些信息：

• 球没有固定的颜色，它可能是白色的，但它可能会改变。
• 我必须使用机器学习，不必是一个复杂而可靠的机器，建议是KNN（这是更简单，更容易）。
• 在我所有的搜索之后，我发现计算样本球图像的直方图并将其教授给ML可能是有用的，但我主要关注的是球的大小可以并且将会改变（越来越远离相机），我不知道要传递到ML为我分类，我的意思是..我不能（或者我可以？）只是测试每个可能大小的图像的每个像素（来自，让我们说， 5x5到WxH）并希望找到一个积极的结果。
• 可能存在不均匀的背景，如人，球后面的布等。
• 正如我所说，我必须使用ML算法，这意味着没有Haar或Viola算法。

• 此外，我想使用轮廓在Canny'ed图像上找到圆圈，只需要找到一种方法将轮廓转换为一行数据来教授KNN。

  那么......建议？

  提前致谢。 ;）

Answer 1

嗯，基本上你需要检测圈子。你看过cvHoughCircles()了吗？你被允许使用吗？

此页面提供了有关detecting stuff with OpenCV的详细信息。您可能对section 2.5更感兴趣。

这是我刚刚写的一个小型演示，用于检测此图片中的硬币。希望您可以使用代码的某些部分。

<强>输入：

<强>输出：

// compiled with: g++ circles.cpp -o circles `pkg-config --cflags --libs opencv`
#include <stdio.h>
#include <cv.h>
#include <highgui.h>
#include <math.h>

int main(int argc, char** argv)
{
    IplImage* img = NULL;

    if ((img = cvLoadImage(argv[1]))== 0)
    {
        printf("cvLoadImage failed\n");
    }

    IplImage* gray = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, 1);
    CvMemStorage* storage = cvCreateMemStorage(0);

    cvCvtColor(img, gray, CV_BGR2GRAY);

    // This is done so as to prevent a lot of false circles from being detected
    cvSmooth(gray, gray, CV_GAUSSIAN, 7, 7);

    IplImage* canny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);
    IplImage* rgbcanny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3);
    cvCanny(gray, canny, 50, 100, 3);

    CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT, 1, gray->height/3, 250, 100);
    cvCvtColor(canny, rgbcanny, CV_GRAY2BGR);

    for (size_t i = 0; i < circles->total; i++)
    {
         // round the floats to an int
         float* p = (float*)cvGetSeqElem(circles, i);
         cv::Point center(cvRound(p[0]), cvRound(p[1]));
         int radius = cvRound(p[2]);

         // draw the circle center
         cvCircle(rgbcanny, center, 3, CV_RGB(0,255,0), -1, 8, 0 );

         // draw the circle outline
         cvCircle(rgbcanny, center, radius+1, CV_RGB(0,0,255), 2, 8, 0 );

         printf("x: %d y: %d r: %d\n",center.x,center.y, radius);
    }


    cvNamedWindow("circles", 1);
    cvShowImage("circles", rgbcanny);

    cvSaveImage("out.png", rgbcanny);
    cvWaitKey(0);

    return 0;
}

圈子的检测很大程度上取决于cvHoughCircles()的参数。请注意，在本演示中我也使用了Canny。