基于分类的车辆计数（汽车、公共汽车、卡车）
Vehicle counting based on classification (cars,buses,trucks)
我目前正在研究车辆编队，为此我需要在 python opencv 中设计一个代码，用于根据 classification.The 输入是实时交通视频来计算车辆数量。
目的是为边界框找到一个平均大小 "x"，并说对于汽车它的 "x"，对于公共汽车它的“3x”等等 on.Based "x" 或"x" 的倍数，确定 classification.Is 有什么可能的方法可以解决这个问题陈述？
我处理过几乎类似的问题。
最简单的方法是在相似大小的车辆上训练 Haar-cascade。
您将必须根据类别数量训练多个级联。
可以使用某些浏览器插件从任何二手车销售网站下载级联数据。
否定集在很大程度上取决于将使用此解决方案的上下文。
这也带来了一个问题，如果你打算在繁忙的街道上这样做，将会有很多不可预见的情况。例如，在 FoV 中行走的行人。此外，FoV 需要固定，尤其是观察物体的距离。 Trail and error 是实现阈值最佳点的唯一方法（如果有的话）。
现在我要提出一些超出你所问问题范围的建议。
虽然这是纯粹基于图像处理的方法，但你可以把问题反过来，问一个问题'Why'需要分类吗？根据用例，通常可以训练深度强化学习代理。它将解决问题，而无需进行大量手动工作。
如有具体问题，请告诉我。
Haar-cascades 是一个很好的方法，但是训练它们需要很多时间和精力。
您可以在线获得大量经过训练的级联文件。
第二种方法可能是从图像中获取轮廓，然后继续前进。
- Original image
- Smooth the image so that you will get an image without edges.
- (Original image- Smooth image) to get the edges
- Get Contours from image
我目前正在研究车辆编队，为此我需要在 python opencv 中设计一个代码，用于根据 classification.The 输入是实时交通视频来计算车辆数量。 目的是为边界框找到一个平均大小 "x"，并说对于汽车它的 "x"，对于公共汽车它的“3x”等等 on.Based "x" 或"x" 的倍数，确定 classification.Is 有什么可能的方法可以解决这个问题陈述？
我处理过几乎类似的问题。
最简单的方法是在相似大小的车辆上训练 Haar-cascade。
您将必须根据类别数量训练多个级联。
可以使用某些浏览器插件从任何二手车销售网站下载级联数据。
否定集在很大程度上取决于将使用此解决方案的上下文。
这也带来了一个问题，如果你打算在繁忙的街道上这样做，将会有很多不可预见的情况。例如，在 FoV 中行走的行人。此外，FoV 需要固定，尤其是观察物体的距离。 Trail and error 是实现阈值最佳点的唯一方法（如果有的话）。
现在我要提出一些超出你所问问题范围的建议。
虽然这是纯粹基于图像处理的方法，但你可以把问题反过来，问一个问题'Why'需要分类吗？根据用例，通常可以训练深度强化学习代理。它将解决问题，而无需进行大量手动工作。
如有具体问题，请告诉我。
Haar-cascades 是一个很好的方法，但是训练它们需要很多时间和精力。 您可以在线获得大量经过训练的级联文件。 第二种方法可能是从图像中获取轮廓，然后继续前进。
- Original image
- Smooth the image so that you will get an image without edges.
- (Original image- Smooth image) to get the edges
- Get Contours from image