使用带有交通标志的分类器OpenCV级联 [英] Using OpenCV cascade of classifier with traffic sign
问题描述
我正在尝试检测类似这样的交通标志: http://i.stack. imgur.com/yOTZb.jpg
I'm trying to detect some traffic signs like that: http://i.stack.imgur.com/yOTZb.jpg
我设法隔离了交通标志(目前始终是圆形的): http://image.noelshack.com/fichiers/2015/06/1422869734-3.jpg
I managed to isolate the traffic sign (which is, for the moment, always round): http://image.noelshack.com/fichiers/2015/06/1422869734-3.jpg
由于SURF实时效果不佳，并且有先前的提示，我想使用分类器的级联来检测不同的交通标志(30,50,70 ...).
With bad results with SURF for real-time, and tips of a preceding post, I want to use a cascade of a classifier for the detection of the different traffic sign (30,50,70...).
1)是否可以像脸部一样很好地识别出交通标志，从而对分类器进行级联?我的意思是说，交通标志是否容易受到哈尔特征的检测?
1) Is traffic signs will be nicely recognized to cascade of classifier like faces are? I mean by that, is a traffic sign is susceptible to haar features detection ?
2)我需要为每个符号训练一个级联的分类器(一个.xml)吗?我是否需要将30,70个交通标志的图片置于50( 相反)?
2) Do I need to train one cascade of classifier (one .xml) for each sign? Do I need to put images of 30,70 traffic signs in the false positive of the 50 ( and conversely) ?
3)如果我了解，正像必须具有相同的尺寸，并且我需要删除背景?
3) If I have understood, the positive images have to have the same size, and i need to delete the background ?
对不起，我的英语，谢谢:)
Sorry for my english, thanks :)
推荐答案
我认为您需要根据交通标志的形状训练一些Haar探测器(一个用于三角形警告标志，另一个用于圆形标志，等等) ).作为检测的结果，您将有一些候选者需要进一步处理，并应确定候选者是否为真阳性.
如果是肯定的，则:需要进行其他分类以识别已知形状的类型.此分类可以是ANN算法或SVM.
您的问题的答案:
I'm of the opinion that you need to train some Haar detector per traffic sign's shape (one for triangular warning signs, an other one for circular signs, etc.). As a result of detection you will have some candidates for further processing and should be decided whether a candidate is true positive or not.
If it is true positive: additional classification needs to recognize the type of a known shape. This classification can be an ANN algorithm or SVMs.
Answers to your questions:
- 这在很大程度上取决于正负数据库以及用于训练的功能(Haar，LBP，HoG)，但是我认为这种级联结构对于您的目的很有用.
- 上面已部分回答.对于底片:您应该使用一组非常不同的图像.例如.风景，动物等.收集大型数据库非常重要，因为在培训的第一步中，大多数负面因素都会被拒绝.
- 在训练期间，您需要使用相同的标度(用于阳性)，建议使用一些全局转换来减少不同光照条件的影响.但是，您无需删除背景，只需沿着标志的边框裁剪图像即可.
这篇关于使用带有交通标志的分类器OpenCV级联的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
