关于物体检测的算法

Question

我正在尝试检测具有SVM方法的SURF / SIFT和BOW的车辆，但是车辆的类型不同，我只是研究SURF / SIFT用于USB，移动电话等一种特定的物体检测。这也是意味着它还会影响（检测）不同类型的汽车，例如Toyota和BMW等？ 还是卡车和汽车之类的车辆？

如果我们向SURF / SIFT提供大量的10/15种不同车辆的数据集，那么使用实时方法检测不同类型的车辆是否能提供令人满意的结果？

Answer 1

SURF / SIFT是空间局部特征。 如果数据集足够大，则结果应该很好。 即使对于不同的车辆，场景图像中也只有该车辆的特定结构可用。

但是，如果存在类似的非车辆结构，则可能会误报。 （例如，一个带栅栏的小矩形房子的扭曲图像）。 因此，某些全局功能（例如道路检测）可能会提高准确性。

因此，我认为如果您的应用程序映像中不存在误报，则具有单类SVM的车辆的sirf / surf功能应该会有所帮助。

Answer 2

似乎特征和可能的处理方法选择不正确。 例如，特征应该代表所有类别的汽车，因此不能成为特定的兴趣点，其描述符仅表示该点周围某些坡度的特征，并且匹配以寻找点相对于其他点的精确空间配置。

使用SVM进行处理意味着您可以根据所有其他对象对汽车进行分类。 我不确定您将如何获得“所有其他对象”支持向量。 人类似乎在检测汽车时会使用更多明智的功能，例如，尝试使用混合了可变形部分的HOG纸。 它更接近艺术水平，并获得了多个奖项，因此无需发明自行车。