用于识别汽车的 HAAR 级联类型图像

Posted 2023-03-16

【中文标题】用于识别汽车的 HAAR 级联类型图像

【英文标题】：HAAR Cascade type of images for recognising cars

【发布时间】：2021-09-12 17:19:20

【问题描述】：

我想编写一个 python 脚本来突出显示图片中的汽车（带有反应角度 (OPENCV)）。 我要做一个HAAR Cascade，但我有点卡住了。我读了很多关于它的内容，我有些担心。

我打算使用没有背景（没有道路或类似的东西）的汽车图片作为我的正面图片。 作为负面图像，我会使用空旷的道路。

我也想知道我应该得到多少张照片？在论坛上，我读到我需要 1000 张正面和 10000 张负面图片。

我的思维过程正确吗？

【问题讨论】：

因为你不能在一个 n 图像中有“空白”区域，你的正图像总是会有某种背景。这意味着您的正面图像现在可能会有黑色或白色背景，这会为您的训练（每个样本）引入可能与实际检测任务无关的特征。所以我建议使用具有真实背景的汽车的真实图像，或者使用 ceratesamples 工具为您的“无背景”样本添加不同的背景。

我认为只有限制单一视角的样本，HAAR 汽车检测才会成功。就像正面和侧面有不同的检测器一样。

【参考方案1】：

HAAR 级联是老技术（在卷积神经网络之前），现在有更先进的技术来解决汽车检测问题。您处理问题的方式是正确的，问题是数据质量会极大地影响结果。如果您想检查，我使用更高级的算法做了一个演示（它带有预训练的模型）。

Car detection using YOLO V3