Araç segmentasyonu ve takibi


9

Bir süredir bir proje üzerinde çalışıyorum, İHA'lardan yakalanan videodaki araçları tespit etmek ve izlemek için, şu anda araç ve arka plan görüntülerinden çıkarılan yerel özelliklerin özelliklerin sunumu üzerine eğitilmiş bir SVM kullanıyorum. Daha sonra izlemek istediğim görüntülerdeki araçları denemek ve yerelleştirmek için kayan bir pencere algılama yaklaşımı kullanıyorum. Sorun şu ki, bu yaklaşım yavaşlamak için çok uzak ve dedektörüm istediğim kadar güvenilir değil, bu yüzden birkaç yanlış pozitif alıyorum.

Bu nedenle, sınıflandırıcımı uygulamadan önce arama alanını azaltmak için yaklaşık konumu bulmak için arabaları arka plandan segmentlere ayırmayı denemeyi düşünüyordum, ancak bunun nasıl yapılacağından emin değilim ve birinin yardım edebileceğini umuyordum?

Buna ek olarak, kareyi akış modeline göre segmentlere ayırmak için optik akışı kullanarak katmanlarla hareket bölümleme hakkında okuyordum, bu yöntemle ilgili herhangi bir deneyiminiz var mı, eğer öyleyse bu yöntemin uygulanabilir olup olmayacağını düşünmek için bazı girdiler sunabilir misiniz? benim sorunum.

GÜNCELLEME : Bu soruyu yığın taşması üzerine de gönderdim ve mükemmel bir cevabım vardı , bu fikri zaten uyguladım ve şaşırtıcı bir şekilde çalışıyor ve şimdi bu tekniğe ek olarak optik akışı kullanarak araştırıyorum.

Aşağıda örnek bir videodan iki kare var

çerçeve 0: resim açıklamasını buraya girin

çerçeve 5: resim açıklamasını buraya girin

Yanıtlar:


6

Ne yazık ki, optik akış da zor bir sorundur ;-)

Daha yapıcı olmak için, denemeye değer (veya bu belirli dizide denenmiş) birkaç algoritma var:

  • daha iyi sonuçlar elde etmek için özellik çantalarınızı gerçek sorununuzu daha iyi temsil eden (boyut ve yönelim) bir araç veritabanında yeniden eğitin
  • zeminin bazı parametrik optik akış yapmak (afin akışı aramak) veya sekansın kareleri arasındaki afin kayıtlarını hesaplamak için düz bir düzlem olduğu gerçeğini kullanın. Hareketli araçlar daha sonra bu baskın hareketten daha üstün olacak
  • Akışı hesaplamak için bazı optik akış algoritmalarını kullanın, ardından optik akış vektörlerini sınıflandırmaya / kümelemeye çalışın (bu hala çok açık bir sorundur!). Kullandığınız dile bağlı olarak, OpenCV'nin optik akışını, TU Graz'dan , D. Sun'ın optik akışını veya hatta benimki ;-) kullanabilirsiniz. Ancak, akışı segmentlere ayırmanın muhtemelen iki adımda yapmanız gereken önemsiz bir görev olacağını unutmayın: global (baskın) hareket etsimasyonu, ardından küçük hareket algılama.
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.