Сегментація та відстеження транспортних засобів

Я деякий час працюю над проектом, щоб виявити та відстежувати транспортні засоби у відео, знятому з БПЛА, в даний час я використовую SVM, що навчається на представленнях мішків про особливості місцевих особливостей, витягнутих із зображень транспортних засобів та фонових зображень. Тоді я використовую підхід виявлення розсувних вікон, щоб спробувати локалізувати транспортні засоби на зображеннях, які я хотів би відстежити. Проблема полягає в тому, що такий підхід далеко не повільний, і мій детектор не такий надійний, як хотілося б, тому я отримую досить багато помилкових позитивних результатів.

Тож я розглядав спробу сегментувати автомобілі з фонового зображення, щоб знайти приблизне положення, щоб зменшити пошуковий простір перед застосуванням мого класифікатора, але я не впевнений, як це зробити, і сподівався, що хтось може допомогти?

Крім того, я читав про сегментацію руху за допомогою шарів, використовуючи оптичний потік для сегментації кадру за потоковою моделлю, чи має хто-небудь досвід із цим методом, якщо так, чи можете ви запропонувати деякий внесок щодо того, чи вважаєте ви, що цей метод застосований для моя проблема.

ОНОВЛЕННЯ : Я також розмістив це питання і над переповненням стека, і я отримав чудову відповідь. Я вже реалізував цю ідею, і вона працює несподівано, і я зараз досліджую, використовуючи оптичний потік на додаток до цієї методики.

Нижче - два кадри із зразкового відео

кадр 0:

кадр 5:

На жаль, оптичний потік теж є складною проблемою ;-)

Ну, щоб бути більш конструктивним, ось кілька алгоритмів, які варто варто спробувати (або були випробувані саме в цій послідовності):

• перенавчайте сумки з можливостями на базі даних транспортних засобів, більш репрезентативних (за розмірами та орієнтацією) до вашої реальної проблеми, щоб отримати кращі результати
• використовуйте той факт, що земля є плоскою площиною, щоб здійснити деякий параметричний оптичний потік (пошук афінного потоку) або обчислити деяку афінну реєстрацію між кадрами послідовності. Тоді рухомі транспортні засоби будуть зовні від цього домінуючого руху
• використовуйте алгоритм оптичного потоку для обчислення потоку, а потім спробуйте класифікувати / кластеризувати оптичні вектори потоку (це все ще широко відкрита проблема!). Залежно від мови, якою ви користуєтесь, ви можете використовувати оптичний потік OpenCV - оптичний потік від TU Graz , D. Sun's оптичний потік або навіть мій ;-). Однак зауважте, що сегментація потоку буде нетривіальною задачею, яку, ймовірно, слід виконати у два етапи: глобальне (домінуюче) оцінювання руху, а потім невелике виявлення руху.