我的目的是检测车位是空的还是被车占用的。最后，将在 parking 场中计算汽车数量。
如示例图片所示，相机正在监视 parking 场。每个 parking 场插槽都显示很少的像素。我选择四个像素点来定义ROI，并在图像中应用透视变换，请参见图1。
SVM将是对样本进行分类和训练的好方法。不幸的是，我不确定特征 vector 。
挑战:
-相邻插槽中汽车的阴影
-汽车是一个插槽，在另一个插槽中部分可见。
-大建筑物的阴影
-天气变化(晴天，阴天等)
-雨后，插槽的颜色会改变(干或湿)
-不同的位置和视角变化
哪种特征或特征 vector 最适合分类？
先感谢您，
最佳答案
如果您有足够的训练数据，则颜色直方图可能已经足够。您可以训练有阴影，部分有阴影，无阴影的空白点以及其他车辆。可能很难获得足够的训练数据，您也可以使用合成数据(在图像上渲染汽车和阴影)。
因此，这不仅是有关功能的问题，而且还涉及训练样本。
关于opencv - 哪种特征向量更好地检测 parking 场插槽中是否有汽车？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19355439/