Personen-Erkennung und-Tracking

Ist das irgendwie in der Nähe zu Forschungs-problem.

Haben möchten Sie vielleicht einen Blick auf diese website sammelt eine Menge von Referenzen.
Insbesondere die Arbeit der Gruppe aus Oxford präsentieren darin ist ziemlich nah an, was Sie tun, da Ihre Verwendung von HOG für die Erkennung. (Die Arbeit wurde sehr erhellend für mich).
Die EPFL und Forschungszentrum Jülich haben als auch arbeiten auf dem Gebiet getan.

Möglicherweise möchten Sie auch zu geben, einen Blick auf rezension beschreibt mehrere Erkennung/tracking-Techniken, oft mit Varianten der HOG-Algorithmus.

InformationsquelleAutor Acorbe

Die besten Genaueste Art und Weise ist die Verwendung von tracking-Algorithmus anstelle von Statistik Aussehen Zählung der ankommenden Menschen und die Erkennung aufgetreten ist Links, rechts und Mitte..
Sie können erweiterte statistische Modelle.. , produzieren, wie viele Eingänge die Herstellung einer der Ausgänge und zurück überprüfen von Ausgang Erkennung der Eingabe.

Meine Erfahrung ist, dass die überwachung führt zu besseren Ergebnissen als der Ansatz oben. Aber ist auch etwas kompliziert. Wir sprechen über multi-target-tracking, wenn der kritische ist-match-Erkennung, die mit Modell verfolgt werden sollten-update basierend auf der Erkennung. Wenn das tracking ist abgestimmt mit dem falschen Modell. Die Probleme sind da.

Hier auf youtube, die ich entwickelt habe einige multi-target-tracker von einfachen LBP Menschen-Detektor, aber multi-Modell und kalman-filter für das tracking. Beide Funktionen sind in opencv. Sie müssen, wenn etwas erkannt wird, erstellen Sie neue kalman-filter-für jedes Objekt und aktualisieren Sie, falls Sie übereinstimmen, gleichen Erkennung. Voraussagen bei der Aufdeckung ist hier nicht im Rahmen und entfernen Sie auch das Kalman-ich es ist nicht notwendig, um die Spur nicht mehr.
1 Erkennen
2 Match-Erkennungen mit kalmans, Ungarische Algorithmus und l2-norm. (zum Beispiel)
3 Viel Arbeit. Entscheiden Sie, ob kalman sollte eingerichtet werden, zu entfernen, zu aktualisieren oder die Ergebnisse nicht erkannt werden, und soll vorhergesagt werden. Das ist viel Arbeit hier.
Rein statistische Ansatz ist weniger genau, die zweite ist für die Erfahrung der Menschen, die mindestens einen Monat von Codierung und 3-Monats-tuning.. Wenn Sie brauchen, schneller zu sein und Ihre Ressourcen sind sehr begrenzt. Sie können von smart Statistik erreichen Sie Ihre Ergebnisse durch Reine Erkennung viel schneller und etwas weniger präzise. Die Menschen beurteilen, die Bild-und video-tracking auch multi-target-tracking ist in der Lage zu schlagen menschlichen. Versuchen Sie zu zählen und registrieren jede person im video und Zählung beendet-Punkt. Sie sind nicht in der Lage, dies zu tun, in einigen Menschen. Ist es wirklich bereut, was Sie wollen, die Anwendung, die Kunden, die Sie haben, und Ergebnisse, die Sie zeigen den Kunden. Wenn diese 4 zahlen Einkommen, Links, rechts, Mitte und Ihre Fehler 20 Prozent ist noch viel mehr als eine langweilig kleine bezahlt guard sollte erreicht, indem den ganzen Tag lang zu zählen..

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

Finden Sie auf meinem BLOG Einige Daten für die Personen-Erkennung und Auto-Erkennung auf meinem blog gleich als Skript für das lernen-Ideen, tutorials und tracking-Beispiele..
Opencv blog-tutorials, code und Ideen

InformationsquelleAutor globalex