什麼樣的特徵向量更好地檢測停車場槽中是否有汽車？

Question

我的目標是檢測車槽是空的還是被車佔用。最後，汽車的數量將計入停車場。

相機正在監控停車場，因爲它在示例圖片中出現。每個停車場位置的像素都非常少。我選擇了四個像素點來定義ROI，並且我在圖像中應用了透視變換，請參閱圖1.

SVM將是分類樣本和火車的好方法。不幸的是，我不確定特徵向量。

挑戰： - 相鄰插槽中的汽車的陰影 - 汽車是一個插槽在另一個插槽中部分可見。大建築物 -Weather變化（晴天，陰天等） -After雨，槽顏色被改變（幹或溼） - 不同槽和立體的
-Shadow改變

什麼樣的特徵或特徵向量將是最好的分類？

謝謝你在前進，

Answer 1

顏色直方圖可能已經足夠，如果你有足夠的訓練數據。你可以訓練陰影，部分陰影，無陰影的空白點以及不同的汽車。獲得足夠的訓練數據可能很困難，您也可以使用合成數據（在圖像上渲染汽車和陰影）。

所以它不僅是一個關於特徵的問題，而且還涉及訓練樣本。