Die beste Der genaue Weg besteht darin, den Tracking-Algorithmus anstelle der statistischen Darstellung der eingehenden Personen zu verwenden, und die Erkennung erfolgte links rechts und Mitte. Sie können erweiterte statistische Modelle verwenden. Diese geben an, wie viele Eingaben produziert werden e der Ausgänge und zurück validiert von der Ausgangserkennung den Eingang.
Meine Erfahrung ist, dass Tracking zu besseren Ergebnissen führt als oben beschrieben. Aber ist auch ein bisschen kompliziert. Wir sprechen über die Verfolgung mehrerer Ziele, wenn die kritische Erkennung von Übereinstimmungen mit einem getrackten Modell erfolgt, das basierend auf der Erkennung aktualisiert werden sollte. Wenn das Tracking mit einem falschen Modell übereinstimmt. Die Probleme sind da.
Hier auf youtube ich entwickelte einige Multi-Ziel-Tracker von einfachen LBP Personen Detektor, sondern Multi-Modell und Kalman-Filter für die Verfolgung. Beide Funktionen sind in opencv verfügbar. Sie müssen, wenn etwas entdeckt wird, einen neuen Kalman-Filter für jedes Objekt erstellen und aktualisieren, falls Sie die gleiche Erkennung treffen. Voraussagen, falls die Erkennung nicht hier im Rahmen ist und auch das Kalman i entfernt wird, ist es nicht notwendig, mehr zu verfolgen. 1 Detect 2 Match Detections mit Kalmans, ungarischen Algorithmus und l2 Norm. (Zum Beispiel) 3 Menge Arbeit. Entscheiden Sie, ob Kalman Shoudl eingerichtet, entfernt, aktualisiert werden soll, oder Ergebnisse werden nicht erkannt und sollten vorhergesagt werden. Das ist viel Arbeit hier. Reine statistische Ansatz ist weniger genau, zweitens ist für Erfahrung Menschen mindestens eine Motte der Codierung und 3 Monate Tuning .. Wenn Sie schneller sein müssen und Ihre Ressourcen sind sehr begrenzt. Sie können durch intelligente Statistik Ihre Ergebnisse durch pure Erkennung viel schneller und etwas weniger genau erreichen. Die Leute sind Richter der Bild-und Video-Tracking sogar Multi-Target-Tracking ist in der Lage, Menschen zu schlagen. Versuche, jede Person im Video zu zählen und zu registrieren und den Exit-Punkt zu zählen. Sie können dies bei einigen Personen nicht tun. Es ist wirklich bereuen auf, was Sie wollen, Anwendung, Kunden, die Sie haben, und Ergebnisse, die Sie den Kunden zeigen. Wenn dies 4 Zahlen Einkommen, links, rechts, Mitte und Ihr Fehler ist 20 Prozent noch viel mehr als eine gebohrte kleine Paid Wache erreicht sollte den ganzen Tag lang das Zählen ist ..
https://www.youtube.com/watch?v=d-RCKfVjFI4
Sie auf finden Mein BLOG Einige Datensätze für Personenerkennung und Autoerkennung auf meinem Blog wie Skript zum Erlernen von Ideen, Tutorials und Tracking-Beispielen. Opencv blog tutorials code and ideas
Hallo, können Sie CCTV mit OpenCV arbeiten? –
@Hope Hat Ihre CCTV-Kamera eine IP? WENN so ist es mit opencv möglich. – 2vision2
Nr. Normale CCTV mit Kabeln. –