iOS 11使用视觉框架VNDetectRectanglesRequest来做不准确的对象检测？

Question

Apple在iOS 11中具有新功能，允许您使用视觉框架在没有模型的情况下进行对象检测。我尝试这些新的API，但发现VNDetectRectanglesRequest的结果并不好。我正确使用API​​吗？

这是一个很好的案例：

还有一些不好的情况：

这是我的代码：

 func captureOutput(_ output: AVCaptureOutput, didOutput sampleBuffer: CMSampleBuffer, from connection: AVCaptureConnection) {
    guard let pixelBuffer: CVPixelBuffer = CMSampleBufferGetImageBuffer(sampleBuffer)

        // create the request

        let request2 = VNDetectRectanglesRequest { (request, error) in
            self.VNDetectRectanglesRequestCompletionBlock(request: request, error: error)
        }

        do {
            request2.minimumConfidence = 0.7
            try self.visionSequenceHandler.perform([request2], on: pixelBuffer)
        } catch {
            print("Throws: \(error)")
        }
    }


func VNDetectRectanglesRequestCompletionBlock(request: VNRequest, error: Error?) {
        if let array = request.results {
            if array.count > 0 {
                let ob = array.first as? VNRectangleObservation
                print("count: \(array.count)")
                print("fps: \(self.measureFPS())")
                DispatchQueue.main.async {
                    let boxRect = ob!.boundingBox
                    let transRect = self.transformRect(fromRect: boxRect, toViewRect: self.cameraLayer.frame)
                    var transformedRect = ob!.boundingBox
                    //transformedRect.origin.y = 1 - transformedRect.origin.y
                    let convertedRect = self.cameraLayer.layerRectConverted(fromMetadataOutputRect: transformedRect)

                    self.highlightView?.frame = convertedRect

                }
            }
        }
    }

Answer 1

已经提出了许多误解，期望和黑箱问题。但除此之外，您还错误地使用了API。

矩形检测器在图像中找到看起来代表真实世界矩形形状的区域。在大多数情况下，捕捉图像的相机在透视中看到一个真正的矩形物体 - 因此它在2D图像平面上的3D投影通常不是矩形。例如，您的一张照片中计算机屏幕的2D投影更为梯形，因为顶角距离相机比底角更远。

您可以通过查看检测到的矩形的实际角来获得此形状 - 请参阅VNRectangleObservation对象的属性。如果你在这四个角之间画线，你通常会找到一些能更好地跟踪照片中电脑屏幕，纸张等形状的东西。

相反，boundingBox属性会为您提供最小的矩形区域 - 即图像空间中的矩形 - 包含这些角点。因此，除非您的相机视角恰到好处，否则它不会遵循真正的矩形物体的形状。

Answer 2

您注释掉的线几乎是正确的，您需要将其放回去，但将其更改为：

transformedRect.origin.y = 1 - (transformedRect.origin.y + transformedRect.width)

您的“坏情况”示例广场实际上来自右侧的软玩具。你的好人看起来正确，因为他们在屏幕的中心。