用于行李检测的 OpenCV 和 SVM 训练

Posted 2023-03-12

【中文标题】用于行李检测的 OpenCV 和 SVM 训练

【英文标题】：OpenCV and SVM training for luggages detection

【发布时间】：2017-06-27 16:46:33

【问题描述】：

在我的项目中，我试图将行李与其他任何东西（通常是人类）区分开来。

目前，我使用 OpenCV 和 SVM 训练方法，分为 2 个班级，一个带行李箱，另一个带人类。在注入帧之前，我将它们转换为灰度，但我没有应用额外的过滤器。预测的结果不是很准确。

我想知道在训练之前对帧应用额外的过滤器是否会产生更好的结果。例如轮廓检测。如果轮廓接近“矩形”，那么它是一个行李箱，否则它是“其他东西”。我也在考虑切换到 ONE_CLASS 方法。

你怎么看？还是您有更好的想法？

问候，

朱利安。

【问题讨论】：

您关于“近似矩形是行李”的建议是一个很好的起点。然后您可以执行异常检测

用暗网训练你自己的物体检测器怎么样？看看这个：pjreddie.com/darknet/yolo

轮廓在这种情况下可能不是一个可行的想法。您是否尝试过微调SVM parameters？如果在大范围内更改它们并没有太大改变结果，请选择更好/更强大的功能。

谢谢大家的回答！关于 SVM 参数。我想知道培训是否考虑了颜色。我需要将各种颜色注入 SVM 吗？关于暗网，我还没有尝试过，我会尝试一下！现在我正在研究以下解决方案：去除背景（不确定），膨胀和腐蚀以去除“噪音”，找到轮廓，并应用凸包算法。然后我正在考虑做轮廓区域和船体区域之间的差异。如果它很近，我认为它是一个行李，否则是一个人。

【参考方案1】：

在考虑了这个问题之后，我认为异常检测是最好的方法。既然你提到了ONE_CLASS method，我就有了这个想法。

假设图像中的行李箱是矩形的，那么“任何接近矩形的东西都是行李箱”的建议也是一种可行的方法。因此，您只有一类“行李”。

顾名思义，“异常检测”用于检测不符合特定模式的对象。换句话说，它用于检测异常值（数据集中存在的对象以外的对象）。

由于您只强调行李，我认为这种方法是最好的。

您也可以尝试其他方法，以防万一。

【参考方案2】：

所以矩形近似方法似乎符合我的要求。我还没有用很多图像进行测试，所以我不能 100% 确定我会去做。与往常一样，也有例外：当行李箱的颜色接近背景颜色时，结果并不准确。有没有办法放大两种接近颜色之间的差异？

问候，

朱利安。