Сегментация и отслеживание транспортных средств

9

В течение некоторого времени я работал над проектом по обнаружению и отслеживанию транспортных средств в видео, снятом с БПЛА, в настоящее время я использую SVM, обученный представлениям о множестве функций местных особенностей, извлеченных из изображений транспортных средств и фоновых изображений. Затем я использую метод обнаружения скользящих окон, чтобы попытаться локализовать транспортные средства на изображениях, которые я затем хотел бы отслеживать. Проблема в том, что этот подход слишком медленный, и мой детектор не так надежен, как хотелось бы, поэтому я получаю немало ложных срабатываний.

Итак, я рассматривал попытку сегментировать автомобили на заднем плане, чтобы найти приблизительное положение, чтобы уменьшить пространство поиска перед применением моего классификатора, но я не уверен, как это сделать, и надеялся, что кто-то может помочь?

Кроме того, я читал о сегментации движения по слоям, используя оптический поток для сегментирования модели покадрового потока, есть ли у кого-нибудь опыт работы с этим методом, если бы вы могли предложить некоторую информацию о том, считаете ли вы, что этот метод применим для моя проблема.

ОБНОВЛЕНИЕ : я также опубликовал этот вопрос о переполнении стека, и у меня был отличный ответ , я уже реализовал эту идею, и она работает удивительно хорошо, и сейчас я исследую использование оптического потока в дополнение к этой технике.

Ниже приведены два кадра из примера видео

кадр 0: введите описание изображения здесь

кадр 5: введите описание изображения здесь

Джоно Броган
источник

Ответы:

6

Увы, оптический поток тоже сложная проблема ;-)

Ну, чтобы быть более конструктивным, вот несколько алгоритмов, которые стоит попробовать (или были опробованы в этой конкретной последовательности):

  • Переучите свои пакеты функций на базе данных транспортных средств, более представительных (по размеру и ориентации) для вашей актуальной проблемы, чтобы получить лучшие результаты
  • используйте тот факт, что земля является плоской плоскостью, чтобы выполнить некоторый параметрический оптический поток (поиск аффинного потока) или вычислить некоторую аффинную регистрацию между кадрами последовательности. Движущиеся транспортные средства будут тогда отклоняться от этого доминирующего движения
  • используйте некоторый алгоритм оптического потока для вычисления потока, затем попытайтесь классифицировать / кластеризовать векторы оптического потока (это все еще широко открытая проблема!). В зависимости от языка, который вы используете, вы можете использовать оптический поток OpenCV, из TU Graz , оптический поток D. Sun или даже мой ;-). Однако обратите внимание, что сегментирование потока будет нетривиальной задачей, которую вам, вероятно, следует выполнить в два этапа: глобальная (доминирующая) оценка движения, затем небольшое обнаружение движения.
sansuiso
источник