Простое обнаружение объектов с использованием OpenCV и машинного обучения

Question

Я должен закодировать детектор объекта (в данном случае шар), используя OpenCV. Проблема в том, что каждый поисковый запрос в Google возвращает мне что-то с ЛИЦОМ ОБНАРУЖЕНИЯ. Так что мне нужна помощь с чего начать, что использовать и т.д..

Некоторая информация:

• Мяч не имеет фиксированного цвета, он, вероятно, будет белым, но он может измениться.
• Я ДОЛЖЕН использовать машинное обучение, оно не должно быть сложным и надежным, предложение KNN (которое НАМНОГО проще и проще).
• После всех моих поисков я обнаружил, что вычисление гистограммы образцов изображений, содержащих только шарики, и обучение их ML, может быть полезным, но моя главная задача здесь заключается в том, что размер шарика может и будет меняться (ближе и дальше от камеры) и я понятия не имею, что передать в ML, чтобы классифицировать для меня, я имею в виду... я не могу (или могу ли я?) просто проверить каждый пиксель изображения для каждого возможного размера (от, скажем, 5x5 до WxH) и надеюсь найти положительный результат.
• Там может быть неоднородный фон, как люди, ткань за мячом и т. Д..
• Как я уже сказал, я должен использовать алгоритм ML, что означает отсутствие алгоритмов Хаара или Виолы.

• Кроме того, я подумал об использовании контуров для нахождения кругов на изображении Канни, просто нужно найти способ преобразовать контур в ряд данных для обучения KNN.

  Итак... предложения?

  Заранее спасибо.;)

Answer 1

Ну, в основном вам нужно обнаружить круги. Ты видел cvHoughCircles()? Вам разрешено использовать это?

На этой странице есть хорошая информация о том, как обнаруживать вещи с помощью OpenCV. Вы можете быть более заинтересованы в разделе 2.5.

Это небольшая демонстрация, которую я только что написал, чтобы обнаружить монеты на этой картинке. Надеюсь, вы можете использовать некоторую часть кода в ваших интересах.

Вход:

Выходы:

// 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;
}

Обнаружение кругов во многом зависит от параметров cvHoughCircles(), Обратите внимание, что в этой демонстрации я также использовал Canny.