我正在尝试检测一些交通标志，例如：https://i.sstatic.net/yOTZb.jpg
我设法隔离了交通标志（目前始终是圆形的）：http://image.noelshack.com/fichiers/2015/06/1422869734-3.jpg
在实时使用SURF时效果不佳，并且参考了之前的帖子后，我打算使用级联分类器来检测不同的交通标志（30,50,70等）。
1) 交通标志能像人脸一样被级联分类器很好地识别吗？我是说，交通标志是否适合使用Haar特征检测？
2) 我是否需要为每个标志训练一个级联分类器（一个.xml文件）？我是否需要将30和70的交通标志图像放入50的假阳性中（反之亦然）？
3) 如果我理解正确，正样本图像需要具有相同的大小，并且我需要删除背景吗？
抱歉我的英语不好，谢谢:)
回答：
我认为你需要为每种交通标志的形状训练一个Haar检测器（例如，三角形警告标志一个，圆形标志另一个等）。检测结果将提供一些候选对象供进一步处理，并需要决定候选对象是否为真阳性。
如果是真阳性：需要额外的分类来识别已知形状的类型。这种分类可以是ANN算法或SVMs。
对你的问题的回答：
- 这在很大程度上取决于正负样本数据库，以及用于训练的特征（Haar, LBP, HoG），但我认为这种级联结构对你的目的是有用的。
- 部分在上面已经回答。对于负样本：你应该使用非常不同的图像集。例如，风景、动物等。收集一个大型数据库很重要，因为在训练的最初几个步骤中，大多数负样本会被拒绝。
- 在训练期间，你需要使用相同的尺度（对于正样本），并且建议使用一些全局变换来减少不同光照条件的影响。但你不需要移除背景，只需沿着标志的边界裁剪图像即可。
