问如何用OpenCV 3训练“欧元”硬币识别支持向量机？

EN

今年我的圣诞假期项目是开发一个小型的Android应用程序，它应该能够在图片中检测任意的欧元硬币，识别它们的价值，并将值加起来。

我的assumptions/requirements对图片的一个良好的识别是

• 均匀背景
• 图片应大致为DinA4纸的大小
• 硬币可能不重叠，但可以互相触摸。
• 硬币的数字面必须向上/可见。

我最初的想法是，对于硬币的价值-识别后，最好首先检测实际的硬币/他们的区域在图片中。然后，任何识别都只会出现在图片的这些区域，在这些区域可以找到实际的硬币。

因此，第一步是找到圆圈。我已经使用3管道完成了，就像几本书和帖子中所建议的那样：

1. 转换为灰色
2. CannyEdge检测
3. 高斯模糊
4. HoughCircle检测
5. 过滤掉内部/多余的圆圈

检测工作相当成功，这里是结果的图片：用蓝色边框HoughCircles检测硬币。

现在每一枚硬币都得到了的认可！

我找到了这个问题的解决方案，并想出了

• 模板匹配
• 特征检测
• 机器学习

模板匹配看起来非常不适合这个问题，因为硬币可以相对于模板硬币任意旋转(而且模板匹配算法不是旋转不变的！因此，我必须旋转硬币！)此外，模板硬币的像素永远不会与先前检测到的硬币区域的像素完全匹配。因此，我认为任何计算相似度的算法都只会产生很差的结果。

然后，我研究了特性检测。这对我来说更合适。我检测到一个模板硬币的特征和候选硬币图片，并绘制匹配( ORB和BRUTEFORCE_HAMMING组合)。不幸的是，在错误的候选硬币中也发现了模板硬币的特征。看下面的图片，其中的模板或“特色”硬币在左边，一个20美分的硬币。右边是候选硬币，最左边的硬币是20美分的硬币。事实上，我希望这枚硬币能有最多的匹配，但不幸的是没有。因此，这似乎不是一种识别硬币价值的可行方法。特征匹配-模板硬币与候选硬币之间的匹配

因此，机器学习是第三种可能的解决方案。从大学到现在，我还在研究神经网络，它们是如何工作的。不幸的是，我的实际知识相当贫乏，我根本不知道支持向量机(SVM)，这是OpenCV支持的机器学习。

所以我的问题其实不是源代码相关的，而是更多的如何设置学习过程。

1. 我是应该在普通硬币图像上学习，还是应该首先提取特征并学习这些特征？(我想:特征)
2. 每枚硬币应该有多少正反两面？
3. 我是否也要学习旋转硬币，或者这个旋转会由支持向量机“自动”处理？那么，即使我只把它训练在非旋转硬币上，支持向量机会识别旋转硬币吗？
4. 我的图片要求之一("DinA4")将硬币的尺寸限制在一定的大小，例如图片高度的1/12。我应该在大致相同大小或不同大小的硬币上学习吗？我认为，不同的尺寸会导致不同的特性，这无助于学习过程，你认为呢？

当然，如果您有不同的解决方案，这也是受欢迎的！如有任何帮助，将不胜感激！)

再见，谢谢！