2013-04-26 39 views
8

Tôi đang cố gắng để thực hiện một hệ thống đếm người sử dụng tầm nhìn máy tính cho dự án uni. Hiện nay, phương pháp của tôi là:Làm thế nào để xử lý Occlusion và Fragmentation

  1. Background trừ sử dụng MOG2
  2. lọc hình thái để loại bỏ tiếng ồn
  3. Theo dõi blob
  4. Đếm blob đi qua một khu vực cụ thể (một dòng)

Vấn đề là nếu mọi người đến như nhóm, phương pháp của tôi chỉ tính một người. Từ những bài đọc của tôi, tôi tin rằng đây là những gì được gọi là tắc. Một vấn đề khác là khi mọi người trông giống như nền (sử dụng quần áo tối và đi qua một cột/tường màu đen), các đốm màu được tách ra trong khi nó thực sự là một người. enter image description here

Từ những gì tôi đọc, tôi nên triển khai trình theo dõi trình dò ​​tìm (ví dụ: phát hiện con người sử dụng HOG). Nhưng kết quả phát hiện của tôi kém (ví dụ 50% sai tích cực với tỷ lệ trúng 50%; sử dụng máy dò con người OpenCV và máy phát hiện được đào tạo của riêng tôi) nên tôi không thuyết phục sử dụng máy dò làm cơ sở để theo dõi. Cảm ơn bạn đã trả lời và dành thời gian đọc bài đăng này!

Trả lời

3

Không có câu trả lời "tốt" duy nhất cho điều này vì việc xử lý tắc nghẽn (và nền nền) vẫn là vấn đề mở! Có một số gợi ý có thể được đưa ra có thể giúp bạn cùng với dự án của bạn.

Bạn muốn phát hiện xem "blob" là một người hay một nhóm người. Có một số điều bạn có thể làm để xử lý việc này.

  • Sử dụng nhiều camera (nó không chắc rằng một nhóm người được phát hiện như một blob duy nhất từ ​​mọi góc độ)
  • Hãy thử để phát hiện các bộ phận của cơ thể con người. Nếu bạn phát hiện hai đầu trên một đốm màu, có nhiều người. Có thể nói tương tự cho 3 chân, 5 vai, v.v.

Trên khu vực theo dõi người "bị mất" (người đi bộ phía sau đối tượng khác), là ngoại suy vị trí của nó. Bạn biết rằng một người chỉ có thể di chuyển quá nhiều vào giữa các khung hình. Bằng cách giữ điều này vào tài khoản, bạn biết rằng không thể cho người dùng được phát hiện ở giữa hình ảnh của bạn và sau đó đột nhiên biến mất. Sau nhiều khung hình không nhìn thấy người đó, bạn có thể loại bỏ sự quan sát, vì người đó có thể đã có đủ thời gian để di chuyển.

+0

Tôi hiểu, vì vậy những gì tôi cần là cải thiện và sửa đổi thiết bị dò tìm của mình, từ máy dò con người đầy đủ đến bộ phận phát hiện con người. Tôi sẽ đọc thêm về điều đó, bởi vì tôi quen thuộc hơn với phát hiện, sử dụng HOG, LBP, Latent SVM thay vì nhiều camera. Cảm ơn Nallath! – bonchenko

+0

Nó giống như mô hình "Túi từ". – Nallath

5

Theo dõi mọi người trong chuỗi giám sát video vẫn là vấn đề mở trong cộng đồng nghiên cứu. Tuy nhiên particule filters (PF) (còn gọi là monte-carlo tuần tự) cho kết quả tốt đối với sự tắc nghẽn và cảnh phức tạp. Bạn nên đọc this. Ngoài ra còn có thêm các liên kết đến mã nguồn ví dụ sau biblio.

Lợi thế khi sử dụng PF là tăng trong thời gian tính toán theo dõi bằng cách phát hiện (chỉ).

Nếu bạn đi theo cách này, vui lòng yêu cầu hiểu rõ hơn về các môn toán đằng sau PF.

+1

Cảm ơn bạn đã đứng đầu, @Eric.Tôi đã tìm thấy một số bài viết hoặc thảo luận liên quan về những người theo dõi đề cập đến về bộ lọc hạt. - http://stackoverflow.com/questions/15873484/particle-filter-for-multi-object-tracking - http://stackoverflow.com/questions/4903016/tracking-blobs-with-opencv/4904213#4904213 Tôi chắc chắn sẽ nghiên cứu sâu hơn về các chủ đề! PS. Tôi đoán bạn có nghĩa là bộ lọc hạt, không phải bộ lọc cụ thể – bonchenko

+0

Có bạn đoán đúng. – Eric

Các vấn đề liên quan