-1

我的目标是检测图像中的汽车并识别其模型。对于汽车检测,来自http://docs.opencv.org/trunk/opencv_cheatsheet.pdf,它说:

级联分类器

Viola 的 Cascade of Boosted 分类器使用 Haar 或 LBP 特征。适用于检测面部、面部特征和其他一些没有不同纹理的物体。参见 facedetect.cpp

HOG描述符

N. Dalal 的使用梯度直方图 (HOG) 特征的物体检测器。适用于检测具有明确轮廓的人、汽车和其他物体。参见 peopledetect.cpp

并来自http://docs.opencv.org/opencv2refman.pdf,第 8.1 章级联分类,第 421 页:

首先,分类器(即使用类似 haar 的特征的增强分类器的级联)使用特定对象(即人脸或汽车)的数百个样本视图(称为正样本)进行训练,这些样本视图被缩放到相同的大小(例如,20x20)和反例 - 相同大小的任意图像。

这两种方法都提到了申请汽车检测:在 opencv_cheatsheet.pdf 中它说 HOGDescriptor suits for cars 而在 opencv2refman.pdf 它还提到了用于级联分类的汽车。所以我的问题是如何在 CascadeClassifier 和 HOGDescriptor 之间进行选择,哪个更适合汽车检测?谢谢你。

4

3 回答 3

3

没有测试很难说,但实际上我用第三种选择得到了很好的结果——latentSVM 检测器。

于 2013-09-08T06:08:52.970 回答
0

这取决于您在速度、准确性等方面的目标。您使用级联分类器并可以获得所需的结果。尽管级联分类器非常好,但它们的计算成本仍然很高。在这种情况下,您可以使用 gpu。下面是给你的几个例子。

https://github.com/abhi-kumar/CAR-DETECTION

于 2015-05-11T12:27:07.397 回答
0

这是一个研究问题。由 CascadeClassifier 和 HOG 训练的分类器可用于检测车辆。在 CascadeClassifier 和 HOG 的情况下,OpenCV 提供了构建定制检测器的详细帮助。分类器的质量可以用准确性来描述,在我的例子中,我对实时实现更感兴趣。因此,您必须考虑许多不同的因素。

于 2015-09-24T11:59:52.040 回答