改進對象檢測的建議

我是opencv的新手，我試圖跟蹤圖像中的一些移動對象（例如汽車）。我計算了光流，並用它來實現kmeans並嘗試類似於背景減法的東西，我的意思是從靜止的單獨的移動物體。然後我也用視頻的強度作爲信息。下面屏幕截圖來自該流的結果和第k分別指分割：改進對象檢測的建議

的效果不好，而且不壞。我從現在開始怎麼辦？我正在考慮嘗試SURF特徵提取和SURF探測器。任何想法都歡迎。

來源

2016-04-04 george_t

陰影似乎會導致問題，您是否嘗試過可以檢測陰影的MOG2檢測器？你想在哪裏找到車輛？你有沒有嘗試級聯分類器？ –

不，我沒有使用這些建議。而且我甚至不知道該如何說實話。我想檢測一般的運動。不計算汽車或類似的東西。只需檢測運動，然後以特定顏色跟蹤汽車。 –

關於背景減法，請參閱[this]（http://docs.opencv.org/3.1.0/db/d5c/tutorial_py_bg_subtraction.html#gsc.tab=0）。特徵檢測的問題在於它適用於查找單個匹配。我試圖玩[這個問題]（http://stackoverflow.com/questions/36363397/issue-training-sift-or-surf-for-car-detection-in-video-with-opencv- python），它證明有點棘手。 –

看來你正在使用密集的光流。我會建議嘗試一些特徵檢測（衝浪，快速，無論），然後進行稀疏光流跟蹤（從我的經驗來看，它比這項任務的特徵匹配要好）。然後，一旦你有了一些幀的特徵對應，你可以使用基本矩陣，三焦張量，平面+視差或其他方法來檢測運動物體。稍後可以將移動對象聚類到代表不同對象的不同運動組中。

此外，它似乎是你的相機是固定的。在這種情況下，您可以放棄移動檢測步驟，並只考慮具有足夠位移的曲目，然後將其聚類到移動組中。

來源

2016-04-04 07:06:56 alexisrozhkov

謝謝你的回答！稍後我會嘗試移動相機。我的第一個想法是使用findHomography來補償相機的移動。它會起作用嗎？ –

取決於「平坦」的實際背景。平面+視差遵循此路徑，並且在單應性補償之後，它們獲得所謂的殘差視差。你可以稍後檢查一下，如果這些動作共享一個擴展焦點並按照這個標準分段 – alexisrozhkov

你可以提供一些代碼或教程嗎？我會很感激。 –

改進對象檢測的建議

回答

相關問題