问物体检测算法

EN

冲浪/SIFT是空间的局部特征。如果数据集足够大，结果应该是好的。即使对于不同的车辆，只有特定的结构的车辆是可用的场景图像。

但是，如果存在类似的非车辆结构，可能会出现假阳性。(例如扭曲的带有栅栏的长方形小房子)。因此，一些全局特征，如道路检测，可能会提高准确性。

因此，我认为使用单类SVM的车辆的sirf/surf功能应该会有所帮助，如果假阳性没有出现在您的应用程序的图像中。

似乎错误地选择了特征和可能的处理方法。例如，特征应该对所有类别的汽车都具有代表性，因此不能是特定的兴趣点，而描述符只代表点周围梯度的一些特性，并与其他点匹配，寻找相对于其他点的点的精确空间配置。

支持向量机的处理意味着对所有其他对象进行汽车分类。我不知道你将如何得到“所有其他对象”支持向量。更合理的特征和人类用来检测汽车的特性是一样的，例如，使用混合变形部件的猪纸。这更接近的艺术，并获得了多个奖项，所以没有必要发明自行车。