哪種特征向量更好地檢測停車場插槽中是否有汽車？

Question

我的目的是檢測車位是空的還是被車占用的。 最后，將在一個停車場中計算汽車的數量。

如示例圖片所示，相機正在監視停車場。 每個停車場插槽都顯示很少的像素。 我選擇四個像素點來定義ROI，並在圖像中應用透視變換，請參見圖1。

SVM將是對樣本進行分類和訓練的好方法。 不幸的是，我不確定特征向量。

挑戰：-相鄰插槽中汽車的陰影-一輛汽車是一個插槽，在另一個插槽中部分可見。
-大型建築物的陰影-天氣變化（晴天，陰天等）-雨后，插槽顏色發生變化（干或濕）-不同的插槽和視角變化

哪種特征或特征向量最適合分類？

先感謝您，

Answer 1

如果您有足夠的訓練數據，則顏色直方圖可能已經足夠。 您可以訓練有陰影，部分有陰影，無陰影的空白點以及其他車輛。 可能很難獲得足夠的訓練數據，您也可以使用合成數據（渲染汽車和圖像上的陰影）。

因此，這不僅是有關功能的問題，而且還涉及訓練樣本。