針對行李檢測的OpenCV和SVM培訓

在我的項目中，我試圖將行李與其他任何東西（通常是人類）區分開來。針對行李檢測的OpenCV和SVM培訓

目前，我使用OpenCV和SVM兩種訓練方法，一種使用行李箱，另一種使用人類。在注入幀之前，我將它們轉換爲灰度，但我不應用其他濾鏡。預測的結果不是很準確。

我想知道如果在訓練之前對框架應用額外的過濾器可能會給出更好的結果。例如輪廓檢測。如果輪廓接近「矩形」，那麼它就是一件行李，否則就是「別的東西」。我也在考慮切換到ONE_CLASS方法。

您認爲如何？或者你有更好的想法？

Regards，

Julien。

來源

2017-02-09 Julien P

你對'**近似矩形作爲行李**'的建議是一個很好的開始。然後你可以執行**異常檢測** –

那麼用黑網訓練你自己的物體探測器怎麼辦？看看這個：http：//pjreddie.com/darknet/yolo/ – yildirim

輪廓可能不會是一個可行的想法在這種情況下。你有沒有嘗試微調[SVM參數]（http://docs.opencv.org/2.4/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html）？如果通過在很大範圍內改變它們不會改變結果，那麼可以選擇更好的/強大的功能。 –

經過多少考慮後，我認爲異常檢測是最好的方法。自從您提到ONE_CLASS method後，我就明白了。

假設行李在圖像中爲矩形形狀，您對「任何接近矩形的東西都是行李」的建議也是一種可行的方法。因此，你只有一個班'行李'。

正如術語所暗示的，「異常檢測」用於檢測不符合特定模式的對象。換句話說，它用於檢測異常值（與數據集中存在的對象不同的對象）。

既然你只是強調行李，我認爲這種做法是最好的。

如果遇到任何問題，您可以嘗試其他方法。

來源

2017-02-09 15:53:00

所以矩形近似法似乎符合我的要求。我還沒有測試過很多圖像，所以我不能100％確定我會去做。與往常一樣，也有例外：當行李的顏色接近背景的顏色時，結果不準確。有沒有辦法擴大兩種接近顏色之間的差異？

Regards，

Julien。

來源

2017-02-16 15:05:45

針對行李檢測的OpenCV和SVM培訓

回答

相關問題