c++ - 使用 OpenCV 和机器学习的简单对象检测

Question

我必须使用 OpenCV 编写一个对象检测器(在本例中是一个球)。问题是，在谷歌上的每一次搜索都会给我返回一些带有人脸检测的东西。所以我需要关于从哪里开始、使用什么等方面的帮助。

一些信息:

• 这个球没有固定的颜色，它可能是白色的，但它可能会改变。
• 我必须使用机器学习，不一定要复杂可靠，建议是 KNN(更简单、更容易)。
• 经过所有的搜索，我发现计算样本球图像的直方图并将其传授给 ML 可能很有用，但我主要担心的是球的大小可以并且将会改变(离相机)并且我不知道要传递给 ML 为我分类的内容，我的意思是.. 我不能(或者我可以吗？)只测试图像的每个像素以适应每个可能的大小(从，让我们说， 5x5 到 WxH) 并希望找到积极的结果。
• 可能存在不均匀的背景，例如人物、球后面的布等。
• 正如我所说，我必须使用 ML 算法，这意味着没有 Haar 或 Viola 算法。

• 另外，我曾想过使用轮廓在 Canny'ed 图像上找到圆圈，只需要找到一种方法将轮廓转换为一行数据来教授 KNN。

  所以...建议？

  提前致谢。 ;)

Answer 1

嗯，基本上你需要检测圆圈。你见过 cvHoughCircles() 吗？可以使用吗？

这个页面有很好的信息detecting stuff with OpenCV .您可能对 section 2.5 更感兴趣.

这是我刚刚编写的一个小演示，用于检测这张图片中的硬币。希望您可以使用代码的某些部分来发挥自己的优势。

输入:

输出:

// compiled with: g++ circles.cpp -o circles `pkg-config --cflags --libs opencv`
#include <stdio.h>
#include <cv.h>
#include <highgui.h>
#include <math.h>

int main(int argc, char** argv)
{
    IplImage* img = NULL;

    if ((img = cvLoadImage(argv[1]))== 0)
    {
        printf("cvLoadImage failed\n");
    }

    IplImage* gray = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, 1);
    CvMemStorage* storage = cvCreateMemStorage(0);

    cvCvtColor(img, gray, CV_BGR2GRAY);

    // This is done so as to prevent a lot of false circles from being detected
    cvSmooth(gray, gray, CV_GAUSSIAN, 7, 7);

    IplImage* canny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1);
    IplImage* rgbcanny = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3);
    cvCanny(gray, canny, 50, 100, 3);

    CvSeq* circles = cvHoughCircles(gray, storage, CV_HOUGH_GRADIENT, 1, gray->height/3, 250, 100);
    cvCvtColor(canny, rgbcanny, CV_GRAY2BGR);

    for (size_t i = 0; i < circles->total; i++)
    {
         // round the floats to an int
         float* p = (float*)cvGetSeqElem(circles, i);
         cv::Point center(cvRound(p[0]), cvRound(p[1]));
         int radius = cvRound(p[2]);

         // draw the circle center
         cvCircle(rgbcanny, center, 3, CV_RGB(0,255,0), -1, 8, 0 );

         // draw the circle outline
         cvCircle(rgbcanny, center, radius+1, CV_RGB(0,0,255), 2, 8, 0 );

         printf("x: %d y: %d r: %d\n",center.x,center.y, radius);
    }


    cvNamedWindow("circles", 1);
    cvShowImage("circles", rgbcanny);

    cvSaveImage("out.png", rgbcanny);
    cvWaitKey(0);

    return 0;
}

圆的检测很大程度上依赖于cvHoughCircles()的参数。请注意，在这个演示中，我也使用了 Canny。