Bir görüntüdeki araçların sayılması


9

Bir görüntüdeki arabaları başarıyla saymak için bir algoritma uygulamaya çalışıyorum. Trafik Görüntülerinde Çoklu Araç Tıkanıklıkları Varlığında Araç Sayımı İçin Bir Yöntem Uygulamayı Denedim

Arka planı çeşitli görüntülerden tahmin eder. Bu amaç için çeşitli diğer tekniklere baktım ve bunların hepsi bir şekilde ya da diğeri ya bir görüntü kümesinden arka plan tahmini kullanıyor ya da bir video gerektiriyor. Bir girdi olarak, arka plan (muhtemelen çoğu kağıt yol) görünür olmayan trafik görüntüleri var. Dahası, görüntüler farklı alanlardan geliyor, bu yüzden ortak arka planları da yok. Bu durumda nasıl ilerlemeliyim?

Bir şekilde araçların (araba) yapısını eşleştirebilirsem, muhtemelen eşleştirilebileceklerini düşünüyorum. Ancak bunun mümkün olup olmadığını ve görüntüde birden fazla tıkalı araç içerdiğinden nasıl ilerleyeceğini bilmiyorum.

Herhangi bir ipucu ve hatta araştırma makaleleri de kabul edilir.

Örnek bir görüntü aşağıdaki gibidir: Trafik Örneği Resmi

Trafik Örneği Resim 2


2
Bir veya iki temsili örnek resim gönderebilir misiniz?
bjoernz

Ben olsaydım şablon eşleşmesini inceleyeceğim
Olivier_s_j

@bjoernz Örnek resmi ekledim.
krammer

1
Bu zor. Arabaları her zaman önden görüyor musunuz? Belki ön cam / tavan kombinasyonu ile bir şeyler yapılabilir ... Sayımın ne kadar doğru olması gerekir? Kaç görüntünün işlenmesi gerekiyor? Belki manuel etiketleme bir seçenektir mturk.com/mturk :)
bjoernz

@bjoernz Bir mturk ;-) bağımlı olamaz. Bence çok doğru olmasını istemiyorum. Başlangıçta sadece birkaç sayım yapılır. Bence SIFT / SURF yardımcı olabilir. Sınıflandırıcıyı birden fazla araba veri setinden eğitebilirim (çoğunda 1 araba / resim var). Ama bir görüntüde birden fazla araba tespit edip edemeyeceğini bilmiyorum (bundan çok daha az karmaşık olabilir ama yine de birden fazla kısmen tıkalı araçlara sahip olabilir)
krammer

Yanıtlar:


2

Belirtildiği gibi, nesne sayma problemi çok zordur. Bazı yaygın yaklaşımların iyi bir açıklaması http://www.robots.ox.ac.uk/~vilem/NIPS2010.pdf .

Eğitim görüntüleri üzerinde bir SIFT özellik veritabanı oluşturmak, aşağı inmenin doğal yolu gibi görünecektir. Bu bazı görüntü segmentasyonu ile birlikte gitmek için bir yol olabilir.

Başka bir yol da , benzer bir özellik algılama algoritması olan HOG http://chrisjmccormick.wordpress.com/2013/05/09/hog-person-detector-tutorial/ ' a bakmak olabilir.

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.