检测填充的玻璃物体

我是从stackoverflow中的这个问题发送来的，请问如果问题太具体而又不是这里的方式：）

任务是找到其中装有特定液体的玻璃。让我为您展示图片，然后在图片下方的描述中描述我正在尝试实现的目标以及到目前为止我如何尝试实现的目标。

图片：（似乎我至少需要10名信誉才能发布图片和链接，因此链接必须要做:(否则，您可以查看堆栈溢出问题）

详细说明：我正在尝试实现一种算法，该算法将在opencv中检测特定形状的玻璃（玻璃可能会因不同的镜头拍摄角度/距离而发生变形）。也将有其他形状的其他眼镜。我要搜索的玻璃杯中还将填充一些有色液体，这将使其与包含其他颜色的玻璃杯区分开。

到目前为止，我已经尝试使用SIFT特征提取器尝试在玻璃中找到某些特征，然后将它们与装有玻璃的其他照片进行匹配。

这种方法仅在非常特殊的条件下才有效，在这种情况下，我会将玻璃放置在非常特定的位置，并且背景类似于学习图像。问题还在于，玻璃是3D对象，我不知道如何从中提取特征（也许是多张照片以不同的方式链接在一起？）。

现在我不知道我还能使用什么其他方法。我已经找到了一些线索（在这里/programming/10168686/algorithm-improvement-for-coca-cola-can-shape-recognition#answer-10219338），但链接似乎已断开。

另一个问题是在这种玻璃杯中检测不同的“空度”，但我什至无法正确找到玻璃杯本身。

您对本任务中的方法有何建议？使用其他方式查找本地3d对象特征会更好吗？还是完全使用其他方法会更好？我听说过算法从一组多张照片中“学习”对象，但实际上我从未见过。

任何建议将不胜感激

您的链接中引用的论文似乎就是这篇论文。

表1（包括在下面）特别令人感兴趣。尽管它们比其他方法要好，但准确率并不高。

也许本文可以为您提供帮助：http : //ai.stanford.edu/~ang/papers/iros09-ScalableLearningObjectDetectionGPU.pdf

尽管他们除了使用2D图像之外还使用主动立体系统来获取深度图像，但有趣的是他们如何使用基于补丁的功能，使用许多小片段构造对象的字典，然后训练分类器。也许您可以添加此功能以提高检测率。

当涉及到面部识别软件时，已经做了很多工作。例如，如果您在Facebook上标记照片时注意到它，则将面孔的位置加框并向您建议。

我已经看到了很多有关使用神经网络对图像进行面部识别的文献，而Google的快速搜索无疑会提供有关该主题的大量信息。这些网络将图像的像素作为输入。在您的情况下，不透明度的变化/光线从玻璃上反射的方式可能是网络将要学习的良好识别功能。

问题之一可能是您必须将照片用作训练数据以及对其进行预处理（即，自己识别脸部）的数量。如果这样做无法获得足够的图像来充分训练您的网络，那么您将不得不在学习阶段寻找一些捷径。本文与您要执行的操作有关：http : //www.ll.mit.edu/publications/journal/pdf/vol04_no2/4.2.5.neuralnetwork.pdf

幸运的是，这是一个非常活跃的领域，此类问题所需的许多代码都可以在网上轻松获得。

一旦能够识别图像中的眼镜，就可以从那里进行进一步的分析。