Phát hiện và theo dõi mọi người

Question

Tôi muốn phát hiện và theo dõi người đi bộ.

Nhập: Luồng video từ camera CCTV.

Output:

1. # (không của) người đi từ trái sang phải
2. # người đi từ phải sang trái
3. # Số người ở giữa

Tôi đã làm gì cho đến nay: Để phát hiện người đi bộ, tôi đang sử dụng HOG và SVM. Việc phát hiện là phong nha với tỷ lệ dương cao giả. Và nó rất chậm khi tôi đang chạy trên nền tảng Android.

Câu hỏi: Sau khi phát hiện cách tôi tính các giá trị bắt buộc được liệt kê ở trên. Bất cứ ai có thể cho tôi biết thuật toán theo dõi tôi phải sử dụng và bất kỳ thuật toán tốt nào để phát hiện người đi bộ.

Hoặc tôi có nên sử dụng thuật toán theo dõi không? Có cách nào để làm mà không có nó?

Mọi tham chiếu đến mã/blog/giấy tờ kỹ thuật đều được đánh giá cao.

Nền tảng: C++ & OpenCV/android.

--Cảm ơn

Answer 1

Điều này gần như bằng một vấn đề nghiên cứu.

Bạn có thể muốn xem qua this website tập hợp nhiều tham chiếu. Đặc biệt, work done by the group from Oxford hiện diện ở đó khá gần với những gì bạn đang làm, vì chúng đang sử dụng HOG để phát hiện. (Công việc đó đã cực kỳ chiếu sáng cho tôi). EPFL và Julich cũng đã hoàn thành công việc trên thực địa.

Bạn cũng có thể muốn xem qua this review mô tả một số kỹ thuật dò tìm/theo dõi, thường liên quan đến các biến thể của thuật toán HOG.

Answer 2

Cùng với phản hồi @Acorbe, tôi đề xuất phần ấn phẩm của this website.

Một recent work vào cuối năm ngoái cũng đã phát hành một cơ sở mã ở đây: https://bitbucket.org/rodrigob/doppia

Cũng đã sớm công trình dò ​​cho người đi bộ đã phát hành mã là tốt: https://sites.google.com/site/wujx2001/home/c4 http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians

Answer 3

tốt nhất cách chính xác là sử dụng thuật toán theo dõi thay vì số đếm thống kê xuất hiện của người đến và phát hiện xảy ra bên phải và giữa .. Bạn có thể sử dụng các mô hình thống kê mở rộng. e của các đầu ra và ngược lại xác nhận từ đầu ra phát hiện đầu vào.

Trải nghiệm của tôi là theo dõi dẫn đến kết quả tốt hơn so với cách tiếp cận ở trên. Nhưng cũng hơi phức tạp một chút. Chúng tôi nói về theo dõi đa mục tiêu khi phát hiện trùng khớp là quan trọng đối với mô hình được theo dõi cần được cập nhật dựa trên phát hiện. Nếu theo dõi được so khớp với mô hình sai. Các vấn đề là có.

Ở đây trên youtube tôi đã phát triển một số trình theo dõi đa mục tiêu bằng trình dò ​​tìm LBP đơn giản, nhưng nhiều mô hình và bộ lọc kalman để theo dõi. Cả hai khả năng có sẵn trong opencv. Bạn cần phải khi một cái gì đó được phát hiện tạo ra bộ lọc kalman mới cho mỗi đối tượng và cập nhật trong trường hợp bạn phù hợp với phát hiện tương tự. Dự đoán trong trường hợp phát hiện không có ở đây trong khung và cũng loại bỏ các Kalman i nó không phải là cần thiết để theo dõi nữa. 1 Phát hiện 2 Phát hiện trận đấu với kalmans, thuật toán hungarian và định mức l2. (ví dụ) 3 Rất nhiều công việc. Quyết định nếu kalman shoudl được thiết lập, loại bỏ, cập nhật, hoặc kết quả không được phát hiện và nên được dự đoán. Đây là rất nhiều công việc ở đây. Cách tiếp cận thống kê thuần túy kém chính xác hơn, thứ hai là để trải nghiệm mọi người ít nhất một moth mã hóa và 3 tháng điều chỉnh .. Nếu bạn cần nhanh hơn và tài nguyên của bạn khá hạn chế. Bạn có thể theo thống kê thông minh đạt được kết quả của bạn bằng cách phát hiện tinh khiết nhanh hơn và ít chính xác hơn một chút. Mọi người đang đánh giá hình ảnh và theo dõi video thậm chí theo dõi đa mục tiêu có khả năng đánh bại con người. Hãy thử đếm và đăng ký từng người trong video và đếm số lần thoát. Bạn không thể làm điều này ở một số người. Nó thực sự là hối cải, những gì bạn muốn, ứng dụng, khách hàng bạn có, và kết quả bạn hiển thị cho khách hàng. Nếu đây là thu nhập 4 con số, trái, phải, giữa và lỗi của bạn là 20 phần trăm vẫn là nhiều hơn một chán bảo vệ được thanh toán nhỏ nên đạt được bằng tất cả đếm dài ngày ..

https://www.youtube.com/watch?v=d-RCKfVjFI4

Bạn có thể tìm thấy trên BLOG của tôi Một số tập dữ liệu để phát hiện mọi người và phát hiện xe trên blog của tôi giống như tập lệnh cho các ý tưởng học tập, hướng dẫn và ví dụ theo dõi .. Opencv blog tutorials code and ideas