Segmentação e rastreamento de veículos

9

Estou trabalhando em um projeto há algum tempo, para detectar e rastrear veículos em vídeo capturado de UAV's, atualmente estou usando um SVM treinado em representações de recursos de recursos locais extraídos de veículos e imagens de fundo. Estou usando uma abordagem de detecção de janela deslizante para tentar localizar veículos nas imagens, que eu gostaria de acompanhar. O problema é que essa abordagem está muito lenta e meu detector não é tão confiável quanto eu gostaria, então estou recebendo alguns falsos positivos.

Por isso, estive pensando em tentar segmentar os carros do plano de fundo para encontrar a posição aproximada, a fim de reduzir o espaço de pesquisa antes de aplicar meu classificador, mas não sei ao certo como proceder e esperava que alguém pudesse ajudar?

Além disso, tenho lido sobre a segmentação de movimento com camadas, usando o fluxo óptico para segmentar o quadro quadro a modelo de fluxo, alguém tem alguma experiência com esse método? Se sim, você poderia oferecer alguma entrada para saber se esse método seria aplicável a meu problema.

ATUALIZAÇÃO : Também postei essa pergunta no estouro de pilha e tive uma excelente resposta , já implementei essa idéia e ela está funcionando bem de maneira surpreendente e agora estou investigando o fluxo óptico além dessa técnica.

Abaixo estão dois quadros de um vídeo de amostra

quadro 0: insira a descrição da imagem aqui

quadro 5: insira a descrição da imagem aqui

Jono Brogan
fonte

Respostas:

6

Infelizmente, o fluxo óptico também é um problema difícil ;-)

Bem, para ser mais construtivo, eis alguns algoritmos que vale a pena tentar (ou foram tentados nessa sequência específica):

  • treine novamente suas malas de recursos em um banco de dados de veículos mais representativos (em tamanho e orientação) para o seu problema real, a fim de obter melhores resultados
  • use o fato de que o solo é um plano plano para executar um fluxo óptico paramétrico (procurar um fluxo afim) ou calcular algum registro afim entre os quadros da sequência. Os veículos em movimento ficarão mais distantes desse movimento dominante
  • use algum algoritmo de fluxo óptico para calcular o fluxo e tente classificar / agrupar os vetores de fluxo óptico (este ainda é um problema amplamente aberto!). Dependendo do idioma usado, você pode usar o fluxo óptico do OpenCV, o da TU Graz , o fluxo óptico da D. Sun ou até o meu ;-). Observe, porém, que a segmentação do fluxo será uma tarefa não trivial que você provavelmente deve executar em duas etapas: etsimação de movimento global (dominante) e detecção de movimento pequena.
sansuiso
fonte