Object Tracking mit lokalen binären Mustern: Ändern der Größe der Erkennung ROI

Question

Ich bin in der folgenden Situation fest. Ich kann das Objekt unter Verwendung von lokalen Binärmustern finden. Aber wie kann ich die Größe des Roi ändern, so dass ich den grünen ROI bekomme? Ich brauche Ideen Guyz.

Im Code verwende ich einen gleitenden Fenster Ansatz, um Entfernungen zwischen den Referenzfenstern LBP Histogramm Entfernung mit allen möglichen Fenstern LBP Histogramme zu berechnen und zeichnen Sie den ROI um das gefundene Kandidat Fenster.

Here is the situation

Answer 1

Sie könnten eine mehrskaligen Erkennungsschema verwenden:

• Beginn von einer Mindestgröße des Erfassungsfensters
• die Erkennung durchführen, indem das Fenster Schiebe
• Maßstab das Fenster um einen Faktor (zB 1,2)
• erkennen
• usw. bis am aximale Fenstergröße oder bis die Bildgröße

Dann könnten Sie:

• die Lage und das Ausmaß des Fensters beibehalten, wo der passende Abstand minimal ist und unter einem Schwellenwert liegt.
• oder Zusammenführen/Filtern der Erkennungen, die an ungefähr derselben Position auftreten, aber für unterschiedliche Maßstäbe.