哪种特征向量更好地检测停车场插槽中是否有汽车？

Question

我的目的是检测车位是空的还是被车占用的。 最后，将在一个停车场中计算汽车的数量。

如示例图片所示，相机正在监视停车场。 每个停车场插槽都显示很少的像素。 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-一辆汽车是一个插槽，在另一个插槽中部分可见。
-大型建筑物的阴影-天气变化（晴天，阴天等）-雨后，插槽颜色发生变化（干或湿）-不同的插槽和视角变化

哪种特征或特征向量最适合分类？

先感谢您，

Answer 1

如果您有足够的训练数据，则颜色直方图可能已经足够。 您可以训练有阴影，部分有阴影，无阴影的空白点以及其他车辆。 可能很难获得足够的训练数据，您也可以使用合成数据（渲染汽车和图像上的阴影）。

因此，这不仅是有关功能的问题，而且还涉及训练样本。