Возможно ли проанализировать изображение и определить положение автомобиля внутри него? Если да, то как вы подходите к этой проблеме?
Я работаю с относительно небольшим набором данных (50-100), и большинство изображений будут похожи на следующие примеры:
Меня больше всего интересуют только обнаружение вертикальных координат, а не фактическая форма автомобиля. Например, это область, которую я хочу выделить в качестве моего окончательного вывода:
Вы можете попробовать OpenCV, у которого есть API обнаружения объектов. Но вам нужно «обучить» его … предоставив ему большой набор изображений, содержащих «автомобили».
Посмотрите на вторую ссылку выше, и она показывает пример обнаружения и создания ограничивающей рамки вокруг объекта … вы можете использовать это как основу для того, что вы хотите сделать.
Различные документы:
Различные базы данных изображений:
1) У вашего первого и второго изображений есть две машины.
2) Если у вас есть только 50-100 изображений, я могу почти гарантировать, что их классификация вручную будет быстрее, чем писать или адаптировать алгоритм для распознавания автомобилей и доставки координат.
3) Если вы решили сделать это с помощью компьютерного зрения, я бы рекомендовал OpenCV. Учебник здесь: http://docs.opencv.org/doc/tutorials/tutorials.html
Вы можете использовать детектор openCV latentSVM для обнаружения автомобиля и построения вокруг него ограничивающего прямоугольника:
http://docs.opencv.org/modules/objdetect/doc/latent_svm.html
Не нужно обучать новую модель, используя HaarCascade, поскольку уже есть обученная модель для автомобилей:
https://github.com/Itseez/opencv_extra/tree/master/testdata/cv/latentsvmdetector/models_VOC2007
Это контролируемая проблема машинного обучения . Вам нужно будет использовать API, в котором есть алгоритмы обучения, предлагаемые или предлагаемые некоторыми исследованиями и написанием. Python довольно хорош для машинного обучения (это то, что я использую лично) и имеет некоторые полезные инструменты, такие как scikit: http://scikit-learn.org/stable/
Я бы предложил вам изучить классификаторы HAAR. Поскольку вы упомянули, что у вас есть набор из 50-100 изображений, вы можете использовать это, чтобы создать учебный набор данных для классификатора и использовать его для классификации ваших изображений.
Вы также можете изучить алгоритмы SURF и SIFT для указанной проблемы.