Rilevazione persone e tracciamento

Question

Voglio eseguire il rilevamento e il tracciamento dei pedoni.

Ingresso: Stream video da telecamera CCTV.

uscita:

1. # (non di) persone che vanno da sinistra a destra
2. # persone che vanno da destra a sinistra
3. # N. di persone nel mezzo

Cosa ho fatto fino ad ora: Per il rilevamento dei pedoni Sto usando HOG e SVM. Il rilevamento è decente con un alto tasso di falsi positivi. Ed è molto lento come sto correndo in piattaforma Android.

Domanda: Dopo il rilevamento come fare calcolo i valori richiesti sopra elencati. Qualcuno può dirmi qual è l'algoritmo di tracciamento che devo usare e qualsiasi buon algoritmo per il rilevamento dei pedoni.

Oppure devo utilizzare l'algoritmo di tracciamento? C'è un modo per farne a meno?

Qualsiasi riferimento a codici/blog/documenti tecnici è apprezzato.

Piattaforma: C++ & OpenCV/android.

--Thanks

Answer 1

Questo è in qualche modo vicino ad un problema di ricerca.

Si consiglia di dare un'occhiata a this website che raccoglie un sacco di riferimenti. In particolare, lo work done by the group from Oxford in esso presente è molto simile a quello che si sta facendo, poiché utilizza HOG per il rilevamento. (Quel lavoro è stato estremamente illuminante per me). Anche EPFL e Julich hanno lavorato sul campo.

Si consiglia inoltre di dare un'occhiata a this review che descrive diverse tecniche di rilevamento/rilevamento, che spesso includono varianti dell'algoritmo HOG.

Answer 2

Insieme alla risposta @Acorbe, suggerisco la sezione pubblicazioni di this website.

A recent work alla fine dello scorso anno ha anche pubblicato una base di codice qui: https://bitbucket.org/rodrigob/doppia

Ci sono state anche precedenti pedonali rivelatore opere che hanno rilasciato il codice così: https://sites.google.com/site/wujx2001/home/c4 http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians

Answer 3

La migliore il modo accurato consiste nell'utilizzare l'algoritmo di tracciamento anziché il conteggio delle apparenze statistico delle persone in arrivo e il rilevamento si è verificato a destra e al centro. È possibile utilizzare modelli statistici estesi. Ciò produce quanti input producono su e delle uscite e back convalidare dal rilevamento dell'uscita l'input.

La mia esperienza è che il tracciamento porta a risultati migliori rispetto all'approccio precedente. Ma è anche un po 'complicato. Parliamo di multi target tracking quando il critical è il match detection con il modello tracciato che dovrebbe essere aggiornato in base al rilevamento. Se il tracciamento è abbinato al modello sbagliato. I problemi ci sono

Qui su youtube ho sviluppato alcuni più inseguitore bersaglio per semplice rilevatore persone LBP, ma a più modelli e filtro di Kalman per il monitoraggio. Entrambe le funzionalità sono disponibili in opencv. È necessario quando qualcosa viene rilevato creare un nuovo filtro kalman per ogni oggetto e aggiornare nel caso in cui si corrisponda allo stesso rilevamento. Prevedere nel caso in cui il rilevamento non sia qui nel frame e rimuova anche il Kalman i non è necessario tracciarne altri. 1 Rileva 2 Rilevamenti di corrispondenza con kalmans, algoritmo ungherese e norma l2. (per esempio) 3 Lotto di lavoro. Decidi se kalman shoudl essere stabilito, rimuovere, aggiornare o risultati non viene rilevato e dovrebbe essere previsto. Questo è molto lavoro qui. L'approccio statistico puro è meno accurato, il secondo è per le persone di esperienza almeno una falena di codifica e 3 mesi di messa a punto .. Se devi essere più veloce e le tue risorse sono piuttosto limitate. È possibile tramite statistiche intelligenti ottenere i risultati con una rilevazione pura molto più veloce e un po 'meno accurata. Le persone giudicano l'immagine e il tracciamento del video anche se il monitoraggio multi-target è in grado di battere umani. Prova a contare e registrare ogni persona nel video e conta il punto di uscita. Non sei in grado di farlo in un certo numero di persone. Si tratta davvero di pene, di ciò che si desidera, dell'applicazione, del cliente che si ha e dei risultati che si mostrano ai clienti. Se questa è la 4 numeri reddito, sinistra, destra, centro e il vostro errore è del 20 per cento è ancora molto più di un annoiato piccola guardia riscossi dovrebbe raggiunto da tutto il lungo conteggio giorno ..

https://www.youtube.com/watch?v=d-RCKfVjFI4

Si possono trovare su my BLOG Alcuni set di dati per il rilevamento di persone e il rilevamento di auto sul mio blog come script per idee di apprendimento, tutorial ed esempi di tracciamento. Opencv blog tutorials code and ideas