在计算机视觉中使用形状描述符检测对象类别答案

【问题标题】：Detecting object class using shape descriptors in computer vision在计算机视觉中使用形状描述符检测对象类别
【发布时间】：2013-06-13 16:42:25
【问题描述】：

我想通过使用形状描述符和机器学习的blob形状的差异（blob是二进制图像的形式）来区分两类对象。我想问一下我有没有什么好的形状特征可以用来检测得到的不规则轮廓或blob的描述符吗？

【问题讨论】：

标签： machine-learning computer-vision blob feature-detection feature-extraction

【解决方案1】：

有大量与形状描述符相关的工作，这些方法适用于检测到的外边缘像素（边界）或完全填充的二进制形状。这两种方法都依赖于使形状描述符对平移、旋转和缩放保持不变，并且有些是倾斜的。经典的边界方法是傅里叶描述符，经典的填充方法是矩不变量，这两种方法都包含在大多数优秀的图像处理教科书中，并且很容易用 OpenCV 实现。

【讨论】：

【解决方案2】：

对于您正在寻找的形状类型，答案是非常主观的。如果形状的轮廓有足够的辨别力，你可以试试shape context。要对形状进行分类，请将这些特征输入到任何分类器中——例如 SVM 或随机森林。

如果形状始终出现拐角，则可以使用FAST 或SURF 提取拐角，并使用SIFT 或SURF 描述拐角周围的区域。在这种情况下，形状最好通过特征匹配或词袋来识别。

【讨论】：

感谢您的回答。我的问题涉及带或不带行李的步行行人，这构成了我需要区分的两个类别。所以根据您的回答，我不能使用 FAST 或 SURF。你认为我的类足够独特，可以使用形状上下文。如果您找到一些好的实施指南来源，请告诉我。
如果您要检测人类，那么 HOG 特征 (hal.archives-ouvertes.fr/docs/00/54/85/12/PDF/hog_cvpr2005.pdf) 已被证明非常有用。您可以将它们与 SVM 结合使用。 OpenCV 有一个可以使用的实现。在此处查找教程：opencv.willowgarage.com/wiki/trainHOG
其实我不想检测人我想检测视频中的人是否携带物体。
是的，我明白了。行李将成为“人类斑点”轮廓的一部分。您可以有两个 SVM，一个用于首先检测人类，另一个用于分类他/她是否携带物体。如果操作正确，您甚至可以使用单个 SVM 实现这一目标。
谢谢。为这么多的疑问道歉，但我是该领域的新手。我已经完成了检测人类的步骤，现在我只需要对它们进行分类。那么哪个是更好的 HOG 或形状上下文。