霍夫變換如何用於檢測圖像中的汽車，並給出該汽車的3D模型？

Question

霍夫變換是一種典型的算法，用於檢測線條，圓形，橢圓形和任何其他形狀，可以正式描述爲一系列參數。

所以我的直覺告訴我，你會把汽車分解成更小的形狀，例如 正方形，矩形，直線和圓形的組合。並且可能導出汽車的數學方程，然後可以用它來檢測汽車？

Answer 1

簡而言之，僅使用Hough可能無法工作，除非您始終以相同的角度和相同的距離觀察車輛。即使如此，光學，照明和處理假邊緣的實際考慮也會阻止霍夫在類似於現實世界的任何事物中運作良好。

單獨調整可能會出現問題。例如，假設您從距離4米的距離拍攝了一輛車的圖像，然後再從同一視角以8米的距離使用相同的攝像頭和（固定焦距）鏡頭拍攝。如果你要使用Hough，你將不得不添加一個縮放參數，所以你應該有（p1，p2，p3，...，pN，p（p1，p2，p3，...，pN） N + 1））。這將大大增加解決方案空間和內存消耗的大小。在這裏使用圖像金字塔不會有太大幫助。

如果您從汽車側面捕捉圖像，則從前面查看汽車時形狀將無關緊要。增加要匹配的形狀數量將會使軟件產生巨大的混亂。

汽車圖像處理的一致照明比大多數人想象的要困難得多。你不會得到一組簡單的邊緣，因爲汽車會反射來自環境的物體，反射會引入假邊緣和明顯的顏色變化。杯子的反射也是一個問題。在紅色汽車上工作一點點的算法可能會在相同型號的黑色或白色汽車上失敗。

如果你想檢測一輛汽車，那麼一種方法將是一個「字袋」技術，將汽車和汽車類物體描述爲描述向量。然後，您可以搜索圖像以找到與描述向量最匹配的博客或像素區域。

http://en.wikipedia.org/wiki/Bag-of-words_model_in_computer_vision

我已經看到了一個演示工作的這種類型的技術。系統接受了培訓，可以在一個視頻中識別車輛，然後可以在不同時間用不同設備捕獲任意數量的其他視頻中的類似車輛。

在尋找解決方案之前，嘗試儘可能精確地定義問題。你想包括任何規模的陸地車輛，還是僅僅是乘用車？幾十個模型？數百個模型？成千上萬的模型？或者你只是想確定是否可能是一輛汽車？你想在哪裏檢測汽車？在一天的幾點鐘？

依此類推。