Od jakiegoś czasu pracuję nad projektem, aby wykrywać i śledzić pojazdy na wideo przechwyconym z UAV, obecnie używam maszyny SVM wyszkolonej w zakresie przedstawiania lokalnych funkcji wydobytych z obrazów pojazdu i tła. Następnie używam metody wykrywania przesuwanego okna, aby spróbować zlokalizować pojazdy na obrazach, które następnie chciałbym śledzić. Problem polega na tym, że takie podejście jest zbyt wolne, a mój detektor nie jest tak niezawodny, jak bym chciał, więc dostaję sporo fałszywych trafień.
Zastanawiałem się więc nad segmentacją samochodów w tle, aby znaleźć przybliżoną pozycję, aby zmniejszyć przestrzeń wyszukiwania przed zastosowaniem mojego klasyfikatora, ale nie jestem pewien, jak sobie z tym poradzić i miałem nadzieję, że ktoś może pomóc?
Ponadto czytałem o segmentacji ruchu za pomocą warstw, używając przepływu optycznego do segmentacji klatki według modelu przepływu, czy ktoś ma jakiekolwiek doświadczenie z tą metodą, jeśli tak, czy mógłbyś zaoferować jakieś informacje, czy uważasz, że ta metoda miałaby zastosowanie do mój problem.
AKTUALIZACJA : Zadałem to pytanie również na temat przepełnienia stosu i miałem doskonałą odpowiedź , już zaimplementowałem ten pomysł i działa on zaskakująco dobrze, a teraz badam użycie przepływu optycznego oprócz tej techniki.
Poniżej znajdują się dwie klatki z przykładowego wideo
ramka 0:
ramka 5:
