车辆识别（特征提取+svm分类器）

以下为udacity的SDCND的一个项目

ps：这里使用的是用opencv进行特征提取+svm分类器的方法实现物体检测，是在深度学习流行前比较经典的实现方法

 

项目描述：

使用openCV提取图片特征，训练svm分类器，分类车辆与非车辆。用训练好的模型识别汽车前置摄像头记录视频中的车辆。

代码github地址：yang1688899/CarND-Vehicle-Detection

车辆非车辆数据：https://pan.baidu.com/s/13nCrYRdeK7TydsUiDiuHNA

 

实现步骤：

• 分析训练数据，提取图片HOG特征。
• 训练分类器
• 应用滑动窗口(sliding windows)实现车辆检测
• 应用热力图(heatMap)过滤错误检测(false positive)

分析训练数据，提取图片HOG特征

训练数据为64x64x3的RBG图片，包含车辆与非车辆图片两类，车辆图片8792张，非车辆图片8968张。 以下为车辆，非车辆图片样例：

 

提取HOG特征，以下为实现方法：

# Define a function to return HOG features and visualization
def get_hog_features(img, orient, pix_per_cell, cell_per_block, vis=False, feature_vec=True):
    if vis == True:
        features, hog_image = hog(img, orientations=orient, pixels_per_cell=(pix_per_cell, pix_per_cell),
                                  cells_per_block=(cell_per_block, cell_per_block), transform_sqrt=False, 
                                  visualise=True, feature_vector=False)
        return features, hog_image
    else:      
        features = hog(img, orientations=orient, pixels_per_cell=(pix_per_cell, pix_per_cell),
                       cells_per_block=(cell_per_block, cell_per_block), transform_sqrt=False, 
                       visualise=False, feature_vector=feature_vec)
        return features

以下为原图与提取的HOG特征图对比：