Press "Enter" to skip to content

检测车辆的颜色

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

问题分为两部分:1.检测车辆和2.识别车辆的颜色。

 

在本文中,我将指导您如何使用OpenCV库在python中进行实时车辆检测,并在几行代码中训练级联分类器。 OpenCV

 

实时车辆检测是目标检测的众多应用之一,其重点是检测图像内的汽车和位置坐标。

 

在哪里使用?

 

车辆检测和道路检测在**自动驾驶汽车*上有很大的应用,汽车要想在道路上安全行驶,就必须知道其他汽车的位置,这样才能避免碰撞。

 

此外,车辆检测正在用于交通监控系统中,它可以基于数字车辆来检测交通,并使用该数据来管理和控制交通

 

预先训练好的级联分类器

 

正如我之前解释过的,我们不会训练我们的模型从头开始识别视频帧中的汽车,而是使用预先训练过的模型。

 

这些训练有素的级联分类器通常以XML格式存储;因此,您应该下载经过培训以检测汽车的级联,并将其放在项目目录中。

 

使用OpenCV和Haar-Casades

2.颜色识别

 

颜色检测算法识别图像中与指定颜色或颜色范围匹配的像素。然后可以更改检测到的像素的颜色,以将它们与图像的睡觉区分开来。

 

用于提取颜色的方法:

 

利用R、G、B颜色直方图训练的K近邻机器学习分类器进行颜色分类。它可以分为白色、黑色、红色、绿色、蓝色、橙色、黄色和紫罗兰色。如果你想要对更多的颜色进行分类或提高准确率,你应该对训练数据进行处理,或者考虑其他颜色特征,如颜色矩或颜色相关图。 training data Color Moments Color Correlogram

 

您可以使用COLOR_Recognition_API在项目中执行实时颜色识别。 color_recognition_api

 

这个程序是做什幺的?

 

本研究采用K-近邻机器学习分类器算法对颜色进行分类。该分类器由图像R、G、B颜色直方图值训练而成。一般工作流程如下所示。

要理解计算机视觉和机器学习的基本目标检测/识别系统,你应该知道两个主要现象。

 

1.)特征提取

 

如何表示我们发现的兴趣点,将它们与图像中的其他兴趣点(特征)进行比较。

 

2.)分类

 

实现分类(特别是在具体实现中)的算法称为分类器。术语-œ分类器-欧元�有时还指由分类算法实现的将输入数据映射到类别的数学函数。

 

对于这个项目;

 

1.)特征提取=颜色直方图

 

颜色直方图是图像中颜色分布的表示。对于数字图像,颜色直方图表示在跨越图像的颜色空间(所有可能的颜色的集合)的固定颜色范围列表中的每个颜色列表中具有颜色的像素数。

2.)分类=K近邻算法

 

K近邻是一种简单的算法,它存储所有可用的案例,并基于相似性度量(例如,距离函数)对新案例进行分类。自20世纪70年代初以来,KNN作为一种非参数技术已经被应用于统计估计和模式识别中。

 

一些实际应用程序

 

-自动驾驶汽车中的�,用于检测交通信号。

 

在一些工业机器人中使用多颜色检测来执行拾取和放置任务,以分离不同颜色的物体。

 

-�这是使用Python语言实时检测多种颜色(这里只考虑红色、绿色和蓝色)的实现。

 

包含汽车的演示视频

 

你实际上可以使用任何你想要的视频,只要里面有车,级联模型就能检测到它们。

 

如果您想使用相同的视频,我在本文下载时使用过。 download

 

好了,这篇关于检测车辆颜色的文章结束了,我们在这里讨论了人工智能这个很酷的领域,以及它是如何实际实现的。我希望你们都喜欢这本书。

 

感谢您阅读这篇文章!

 

快乐地学习ğŸ“�

 

?EURO“?EURO?

 

[1]https://www.pyimagesearch.com/2014/05/26/opencv-python-k-means-color-clustering/ https://www.pyimagesearch.com/2014/05/26/opencv-python-k-means-color-clustering/

 

[2]Malwe、Gauri、Deepak Kshisagar和Ashish Madkaikar。使用边界框的œ3D对象分类。2018年第四届计算、通信、控制和自动化国际会议中的�,第1页“6.IEEE,2018年。

 

[3]Babu,K.Mahesh,M.V.Raghunadh。使用包围盒方法检测和识别车辆号码“,”2016年先进通信控制和计算技术国际会议(œ�)“,第106页。IEEE,2016。

 

[4]https://towardsdatascience.com/vehicle-detection-and-tracking-from-a-front-face-camera-a9b83c842f58 https://towardsdatascience.com/vehicle-detection-and-tracking-from-a-front-face-camera-a9b83c842f58

 

[5]Briassouli、Alexia、Vasileios Mezaris和Ioannis Kompatsiaris。从运动和颜色信息的融合中进行的视频分割和语义提取。œ�在2007年IEEE图像处理国际会议上,第一卷。3,第3页。III-365。IEEE,2007。

 

[6]A.Briassouli,V.Mezaris和I.Kompatsiaris,《从运动和颜色信息的融合中提取视频分割和语义》,《2007年IEEE2007IEEEInternational Conference on Image Processing,2007》,pp。三?欧元“365三?欧元”368DOI:10.1109/ICIP.2007.4379322.

 

EUROUE“AHEREURE”?EURO“?EURO?

 

在领英上关注我:https://www.linkedin.com/in/anushka-singh-1b9850153/ https://www.linkedin.com/in/anushka-singh-1b9850153/

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注