我目前正在从相机获取的卡车照片集中检测卡车类型(有几个轮子)。所以我正在使用EMGU进行这个检测。
但是,我遇到了一个问题,就是似乎无法使用EMGU的HoughCircle检测来检测出所有的轮子,而且还会在树叶上检测出随机的圆形。
所以我不知道接下来该尝试什么,我尝试了实现SURF算法来匹配轮子,但这似乎也行不通,因为它们并不完全相同。是否有一种可以实现“松散”的SURF算法的方法?
这是我开始的内容。
这是我通过Hough Circle检测得到的结果。许多错误的检测,有些甚至离圆形很远,后轮被检测为单个轮子,原因不明。
是否可能使用SURF来确认检测到的圆形实际上是轮子,并在它们之间进行匹配?我有点迷茫,不知道下一步该怎么做,任何帮助将不胜感激。
(抱歉我的英语不好)
更新
这是我做的。我使用blob跟踪来查找我的照片集中的blob。通过这个,我有效地可以找到移动的卡车。然后我将blob的矩形分成两半,取下半部分,从那里我知道我会得到应该包含轮子的区域,这大大增加了检测的准确性。然后我会对得到的轮子进行光强度松散检查。由于它们通常更黑,所以我应该会得到一个相当低的值,并且可以丢弃任何过于白色(180/255及以上)的东西。我还知道我的圆的半径不能大于检测区域的一半除以二。