6

我想創建一個基於級聯分類器的對象檢測器,唯一的問題是LBP和Haar特徵不是旋轉不變的。我想到的第一件事是以不同的角度旋轉訓練樣本,但是我懷疑得出的分類器質量好,而且物體可能有拉伸比例。有很多旋轉不變的探測器,例如,iPhone可以在任何方向實時識別人臉,所以我想知道他們是如何實現這一目標的?我寧願爲此使用OpenCV。什麼是旋轉不變探測器的最佳解決方案?

+2

你應該谷歌功能不變探測器。有很多算法,但你必須找到適合你的應用程序的適當的算法。也許一個好的起點是這個文檔:epubs.surrey.ac.uk/726872/1/Tuytelaars-FGV-2008.pdf – Adi 2013-02-14 08:07:52

+1

在計算機視覺領域沒有最好的解決方案。 iPhone識別某些功能X的問題無關緊要,它是具有已知特性的單個設備,其中還可能有更多信息來輕鬆恢復旋轉。此外,您還特別提及面部檢測,這是一個經過驗證的良好解決方案,被單獨研究的主題。既然你沒有嘗試做臉部檢測(根據你在某些答案中的評論),最好不要指出它,因爲它是一個完全不同的主題。 – mmgp 2013-02-14 23:32:45

+1

我不認爲這是無關緊要的,因爲在面部檢測中使用的一些想法可用於檢測其他對象,至少我應該試試看。順便說一下,我不知道輪換是如何「恢復」的。我們可以使用加速度計數據來確定iPhone本身的方向,但臉部的旋轉可能會不同並且仍然有效。 – lizarisk 2013-02-15 07:56:48

回答

1
+0

它對我的目的來說太慢而且不穩定(我試圖在一張大圖上檢測到一個小徽標)。 – lizarisk 2013-02-14 13:01:47

+0

如果您認爲SURF速度較慢,則可以使用ORB。但不要期待奇蹟,你必須做你的工作,使其穩定。 – 2013-02-15 19:21:24

+0

在我的實驗中,ORB表現比SURF和SIFT差得多。我怎樣才能讓它更穩定? – lizarisk 2013-02-16 11:02:17

2

傅立葉描述符是旋轉不變量(和平移以及縮放不變量);那麼這個想法就是訓練傅里葉描述符結果(傅立葉描述符上的PCA,與SVM相關的似乎是合乎邏輯的選擇)的任何分類器。

Fourier Descriptors (Wolfram)

+0

輪廓的主要問題是缺乏魯棒性 - 對於具有一些噪聲和背景的圖像,可能無法正確檢測它們(某些背景雜波會干擾物體輪廓,不同的輪廓可能會合併成一個或一個連接的輪廓,從而可能會分裂進入不同的部分等)。但是,感謝偉大的描述! – lizarisk 2013-02-15 14:06:44

5

退房可在https://github.com/nenadmarkus/pico對象檢測框架。

該框架使您能夠學習自定義對象檢測器(例如,查找正面和正面),然後在運行時使用它來進行旋轉不變檢測。

這是通過以旋轉版本的物體檢測器以多個不同方向掃描圖像來實現的。請注意,這可以在沒有級聯重新訓練或圖像重採樣的情況下完成,並且它應該可以在現代機器上實時工作(提供的人臉檢測演示)。

詳情請見http://arxiv.org/abs/1305.4537

相關問題