如何處理遮擋和碎片化

Question

我正在嘗試爲uni項目實現一個使用計算機視覺的人員計數系統。目前，我的方法是：

1. 使用MOG2
2. 形態學濾波器去除噪聲
3. 軌道團塊
4. 計數斑點傳遞一個指定的區域（線）

問題背景減除如果人們以團體的身份出現，我的方法只能算一個人。從我的閱讀中，我相信這就是所謂的遮擋。另一個問題是，當人們看起來與背景相似時（使用深色的衣服並穿過黑色的柱子/牆壁），這個blob是分開的，而它實際上是一個人。從我所讀到的，我應該實現探測器+跟蹤器（例如使用HOG檢測人類）。但是我的檢測結果很差（例如50％的誤報率和50％的命中率;使用OpenCV人體檢測器和我自己訓練的檢測器），所以我不相信將檢測器用作跟蹤的基礎。感謝您的答案和閱讀本文的時間！

Answer 1

沒有單一的「好」的答案，這是處理遮擋（和背景減法）仍然是開放的問題！有幾個指標可以幫助你和你的項目一起工作。

你想檢測一個「blob」是一個人還是一羣人。有幾件事你可以做，以解決這個問題。

• 使用多臺攝像機（這是不可能的一羣人被檢測爲單個斑點，從各個角度）
• 嘗試探測到人體的各個部分。如果您在一個blob上檢測到兩個頭部，則會有多個人。對於3條腿，5條肩膀等也是如此。

關於跟蹤「失去」的人（一個人走在另一個物體後面）的領域是推斷它的位置。你知道一個人只能在兩幀之間移動。考慮到這一點，您知道在圖像中間檢測到用戶是不可能的，然後突然消失。在幾幀看不到那個人之後，你可以放棄觀察，因爲這個人可能有足夠的時間離開。

Answer 2

在視頻監控序列中跟蹤人員在研究界仍然是一個懸而未決的問題。然而particule filters (PF)（又名順序蒙特卡羅）給遮擋和複雜場景提供了很好的結果。您應該閱讀this。在biblio之後還有額外的例子源代碼鏈接。

使用PF的一個優勢是在計算時間方面通過檢測（僅）檢測的增益。

如果你走這條路，隨意詢問有關PF背後的數學更好的理解。