给定汽车的三维模型，Hough变换如何用于检测图像中的汽车？

Question

Hough变换是一种经典的检测直线、圆、椭圆等形状的算法，可以形式化地描述为一系列参数。

因此，我的直觉告诉我，你会把汽车分解成较小的形状，例如方形、矩形、直线和圆圈的组合，.and可能为汽车推导出一个数学方程，然后可以用来检测汽车？

Answer 1

简单地说，只使用Hough可能是行不通的，除非你一直从相同的角度和相同的距离来看待车辆。即便如此，光学、照明和处理虚假边缘的实际考虑也会阻止Hough在任何类似于现实世界的事情上发挥良好的作用。

单是缩放可能会带来问题。例如，假设您从4米的距离拍摄了一张汽车的图像，然后用相同的摄像机和(固定焦距)镜头从相同的视角拍摄了8米的距离。如果要使用Hough，则必须添加一个缩放参数，因此您将拥有(p1、p2、p3、.、pN)参数(p1、p2、p3、.、pN、p(N+1))。这将大大增加解决方案空间的大小和占用的内存。在这里使用图像金字塔不会有多大帮助。

如果你从车的侧面捕捉图像，那么当你从前面看到汽车的时候，形状就不会相关了。增加要匹配的形状的数量将使软件变得非常混乱。

汽车在图像处理方面的一致照明比大多数人想象的要困难得多。你不会得到一组简单的边缘，因为汽车会反射来自环境的物体，反射会引入假边缘和明显的颜色变化。从玻璃反射也将是一个问题。一种在红色汽车上工作的算法在同一型号的黑色或白色汽车上可能会不幸失败。

如果你想要检测一辆车，那么一种方法就是一种“文字袋”技术，它将汽车和类似汽车的物体描述为描述向量。然后，您可以搜索博客或像素区域的图像，这些像素区域提供了与描述向量最佳的匹配。

vision

我在一个演示中看到了这种技术。该系统被训练成在一个视频中识别一辆车，然后它可以在任意数量的其他视频中识别类似的车辆，在不同的时间用不同的设备拍摄。

在寻找解决方案之前，请尽可能精确地定义问题。你是想包括任何大小的陆基车辆，还是只包括乘用车？几十个模特？数以百计的模特？成千上万的模特？还是你只想确定什么东西可能是一辆车？你想在哪里发现一辆车？一天中什么时候？

诸若此类。