使用 OpenCV SVM 进行对象检测答案

【问题标题】：Object detection with OpenCV SVM使用 OpenCV SVM 进行对象检测
【发布时间】：2023-03-13 08:58:01
【问题描述】：

我无法在互联网上的某个地方找到好的解释。有太多东西，而不是找出该做什么，我变得更加困惑。

我的目标：创建一个使用摄像头实时检测对象的 Android 应用程序（我的对象是方向盘和汽车轮胎。）

直到现在我尝试了 haar 分类器，但它很难训练，花费了很多时间并且无法正确训练它，所以我决定寻找另一种方法来实现我的目标。

现在我了解了特征检测器和 SVM 训练。我的问题是：

1：我应该使用哪种算法（SURF、ORB、FREAK 等）？

2：您如何看待 HOG + Bag-Of-Words？

3：如果有的话，你会告诉如何训练 SVM 或提供链接吗？ - 我没有找到任何关于这个的教程。我一直在寻找，但我的时间有限，我决定问问。

4：哪种算法会给出最好的结果？

5：我应该使用 Android NDK 以原生方式实现它，还是与 Java 实现不会有如此大的差异？

如果您有任何教程或参考资料，请将它们添加到您的答案或 cmets 中。很抱歉这个问题很长，正如我所说，我的时间有限（这是一个学校项目。）而且我认为如果人们能在一个地方找到这些答案会很好。我会感谢每一个答案，即使它不是一个完整的答案。提前谢谢！

【问题讨论】：

“（我的对象是方向盘和汽车轮胎。）” - 而且，恕我直言，你的主要问题。你能重新谈判吗？（学校问题）。从香蕉中区分苹果将是一个更友好的场景。你知道，“内部类方差”是什么意思吗？您之前的帖子表明，很难找到像“方向盘”这样的东西。即使使用更复杂的算法，它也不会变得更好。
我注意到我完全理解你想告诉我的内容（可能是因为我的英语水平不够好）。不，我不知道内部类方差是什么意思。
另外，我还没有实现我的目标，因为我是第一次使用 OpenCV，而且很难。

【解决方案1】：

1：没有适用于所有情况的最佳算法，但根据应用程序的要求适合某些非常特定情况的算法。

您可以尝试 SIFT 和 SURF，它们是最流行的描述符，但效率不高（慢）并且需要大量内存。如果效率是您的目标，您可以尝试二进制描述符（例如，BRIEF、ORB、BRISK、FREAK），它们更高效且需要更少的存储空间。看看 FAST 检测器。

2：用于图像分类问题的词袋是一种识别对象类别的方法，给定一组包含对象类别的正训练图像，以及一组不包含对象类别的负训练图像。 t.

Bag-Of-Words 将为您提供每个训练图像的向量表示。

获得此信息后，您必须训练分类器来区分对应于正面（方向盘和汽车轮胎）和负面训练图像的向量。您可以为此使用 SVM 分类器。

3：您在这里有 OpenCV 2.3 中完整方法（BOW + SVM）的教程。您需要对代码进行一些更改，但总体思路是：http://www.morethantechnical.com/2011/08/25/a-simple-object-classifier-with-bag-of-words-using-opencv-2-3-w-code/

4：正如我之前所说，没有完美的算法，所以我无法回答你。我认为在使用 (1.) 中的替代方案进行一些测试后，您将能够回答我们。 :)

5.我认为您应该使用 Android NDK，但我对 Android 开发了解不多。

【讨论】：

首先感谢您的详细解答！第二个我想问你，BOW + SVM 是实现我的目标的最佳方法还是好的方法？
正如我向您解释的那样，无法告诉您该方法是否能有效解决您的问题。不管怎样，我敢打赌，BOW + SVM 方法会给你带来好的结果。但是您需要尝试确认这一点。
首先，很抱歉我一直在问问题，但事情对我来说并不容易。我发现我不能将 BOW 与二进制描述符一起使用。不幸的是 SIFT 和 SURF 不是免费的，这就是我不想使用它们的原因。我找不到如何训练具有 FAST 提取特征的 SVM。那可能吗？你有这样做的参考吗？非常感谢您。（也许如果您对这些问题有答案，最好将它们添加到您的答案中）
实际上你可以使用带有二进制描述符的 BOW。我的建议是首先使用 SIFT 或 SURF 尝试这种方法。如果结果不错，那么您可以尝试使用二进制描述符。正如我所说，FAST 只是一个检测器。也就是说，它只检测关键点，然后您需要使用描述符来描述关键点。