0

Я работаю над проектом, который должен обнаруживать транспортные средства и классифицировать их в соответствии с их формой (Pickup, Muv, Sedan и т. Д.).
Его мой второстепенный проект, и мне нужно представить его через месяц (очевидно, не так много времени)
Я смущен, что должен использовать изображение или видео для ввода.
DataSets and Background Subtraction

  • Если Изображение-> то кто может предложить мне набор данных, которые имеют 2 набора каждого изображения (1.vehice + фон, 2.Only фон), так что вычитание фона легче.
  • Если видео-> скажите мне, с чего мне начать, чтобы я мог сегментировать движущиеся автомобили и извлекать из них функции для обучения.


Каркасы я получаю после использования «смесь гауссовой» содержит транспортное средство, которое не идеально белый/сегментирован (учитывая остальное черный), поэтому я не могу использовать свою форму в качестве признака. Может ли кто-нибудь предложить хороший метод для этого и что мне нужно узнать, чтобы завершить этот проект.
Любое сообщение, представляющее интерес, могло бы помочь,
Заранее спасибо.

+0

Ваш вопрос слишком общий, чтобы получить здесь большую помощь. Вам лучше вернуться, когда у вас возникнут проблемы с вашей реализацией. –

+0

Я не могу начать на самом деле, прошу прощения за то, что я сделал что-то вроде noob, но можно ли получить вышеописанный набор данных. Я не знаю другого места для помощи ... Я знаю, что вы, ребята, опытны, поэтому я прошу немного помочь ... Plz – drift

+0

Это может помочь рассказать больше о том, что вы пытаетесь. Вы упоминаете «смесь гауссовых» ... как вы это делаете? Какой код вы можете поделиться? Что не работает так, как вы планируете? –

ответ

0

Существует уже аналогичная проблема для статических изображений, которые обсуждаются здесь: object (Car) Detection and segmentation Кроме того, этот документ дает хорошее представление о видении низкого уровня используемых функций: http://people.csail.mit.edu/xiaoxuma/proj/vehi_reco/MaGrimson_ICCV05_VehicleReco.pdf

Для наборов данных: http://cogcomp.cs.illinois.edu/Data/Car/ и http://lear.inrialpes.fr/people/marszalek/data/ig02/

Для видео часть - я думаю, можно получить разные виды одного и того же автомобиля, таким образом, можно получить лучшую классификацию автомобиля. Для монокулярных камер у вас есть http://www-users.cs.umn.edu/~martin/papers/its_trans.pdf. Таким образом, важно отметить, какие у вас параметры сцены и камеры (статический монокулярный мультивизор и т. Д.), Чтобы лучше определить вашу проблему.

удачи!