简单场景中的物体检测 LED答案

【问题标题】：object detection LEDs in simple scene简单场景中的物体检测 LED
【发布时间】：2014-07-06 21:38:24
【问题描述】：

我是 opencv 新手，我猜这个问题可能有点简单：我试图在 470 x 590 像素的图像中检测几乎 25 x 15 像素的对象。

我附上了这个对象的放大图像，我有几个选择：

1 - 使用霍夫变换的两个闭合圆检测， 2 - 直方图匹配 3 - SURF 特征检测

关于我应该采取哪个方向的任何建议？请考虑速度和实时应用。谢谢

【问题讨论】：

你的背景会是黑色的，还是什么都可以？此外，是否保证 LED 具有一定的尺寸和方向？一般来说：霍夫变换太慢而无法实时进行；选项 2 和 3 在一般背景下会更好。如果背景很暗，基于颜色或亮度的简单算法会是最快的。
@Luke 谢谢。是的，我的背景是黑色的。我试图避免使用简单的算法，因为可能有另一个明亮的物体可能不是我正在寻找的两个 LED...
OpenCV 有一个斑点检测器，它（也）用于（a）对称圆形图案校准。它应该能够检测到圆形斑点的中心，例如这些 LED。
我认为这对你有帮助docs.opencv.org/doc/tutorials/imgproc/shapedescriptors/…

【解决方案1】：

我认为应该不用明确说明，但可能有数百种方法可以尝试，而且只有一张示例图片很难给出建议。例如，LED 是否始终为绿色？我们不知道。

除此之外，恕我直言，两个不错的起点是使用 ol' 忠实模板匹配或 blob 检测。

如果这还不够健壮，您将需要查看模板/blob 的一些替代表示，例如经典的 HoG（适合形状，可能这个应用有点重），甚至是您自己定制的它编码了您自己对该问题的特定领域知识。

然后，如果这还不够稳健，请构建具有代表性的 +ve 和 -ve 示例的数据集，尽可能大，然后训练像 svm 或增强分类器这样的机器。

模板匹配：

斑点检测：

机器学习：

提示：添加尽可能多的领域知识，即如果它们总是绿色，则在表示中使用颜色，例如 g 通道上的 hog。如果它们始终是圆形的，请尝试对其进行编码，例如在模板中使用对数极坐标网格，而不是常规网格......等等。

机器学习并不神奇，线性分类器本质上会对特征空间中的不同点进行加权，所以你仍然需要一个好的表示，所以如果模板匹配完全失败，那么简单的线性机器学习不太可能有帮助，但如果模板匹配没问题，那么 ml 可能会将性能提升到一个不错的水平。

【讨论】：

感谢您的回答。 LED 始终为绿色。你认为 25 x 25 内核的模板匹配会足够快吗？
@Samer 我认为这将取决于实现、表示和距离函数，以及最重要的是图像的大小 :) 即在较小的规模上工作，真的会损害性能吗？就opencv而言，我想你可以试试看......
@Samer 哦，还有一个简单的加速技巧称为级联。在您的情况下，作为级联中的第一级，您可以通过使用简单的阈值来消除大部分图像像素，去除大部分明显的黑色区域，然后将生成的掩码传递给最后阶段的模板匹配器。这将减少模板匹配器的计算负担。

【解决方案2】：

第 1 步：去除黑色背景。

第 2 步：可以使用蛇形算法找到对象的边界

【讨论】：