什么样的特征向量可以更好地检测停车场车位是不是有车?
Posted
技术标签:
【中文标题】什么样的特征向量可以更好地检测停车场车位是不是有车?【英文标题】:What kind of feature vector is better to detect whether there is a car in a car park slot ?什么样的特征向量可以更好地检测停车场车位是否有车? 【发布时间】:2013-10-21 17:39:07 【问题描述】:我的目标是检测车位是空的还是被汽车占用。最后,将计算停车场的汽车数量。
如示例图片所示,摄像头正在监控停车场。每个停车位的像素都非常少。我选择四个像素点来定义 ROI,并在图像中应用透视变换,请参见图 1。
SVM 将是对样本进行分类和训练的好方法。不幸的是,我不确定特征向量。
挑战: - 相邻插槽中汽车的阴影 -汽车是一个插槽,在另一个插槽中部分可见。 - 大建筑物的影子 -天气变化(晴天、阴天等) - 雨后,槽颜色改变(干或湿) -不同的插槽和视角变化
什么样的特征或特征向量最适合分类?
提前谢谢你,
【问题讨论】:
【参考方案1】:如果您有足够的训练数据,颜色直方图就已经足够了。您可以使用阴影、部分阴影、非阴影的空点以及不同的汽车进行训练。可能很难获得足够的训练数据,您也可以使用合成数据(在图像上渲染汽车和阴影)。
所以这不仅仅是一个关于特征的问题,也是关于训练样本的问题。
【讨论】:
感谢您的回答。对,训练样本的数量很重要。我可以收集尽可能多的训练样本。但是例如,我可以使用透视图像的快速傅里叶变换作为特征向量吗?最好的冗余和鲁棒特征向量是什么? 如果你的训练集足够多样化,我会按照我的建议使用颜色直方图。如果失败了,我会重新考虑。以上是关于什么样的特征向量可以更好地检测停车场车位是不是有车?的主要内容,如果未能解决你的问题,请参考以下文章