ฉันสามารถดูปัญหาต่าง ๆ ที่เป็นไปได้ด้วยวิธีนี้ ฉันพูดจากประสบการณ์ของตัวเองที่นี่จากการปรับปรุงระบบการนับคนเดินเท้าด้วยวิธีการที่คล้ายกันมากดังนั้นฉันไม่ได้หมายความว่าจะท้อแท้ ในทางตรงกันข้ามฉันอยากจะเตือนคุณถึงสิ่งกีดขวางที่เป็นไปได้ที่คุณอาจต้องเอาชนะเพื่อสร้างระบบที่แม่นยำและแข็งแกร่ง
ประการแรกการลบพื้นหลังจะถือว่าวัตถุที่สนใจจะเคลื่อนไหวอยู่เสมอและวัตถุที่คุณไม่สนใจในการนับจะยังคงอยู่อย่างสมบูรณ์ แน่นอนว่านี่อาจเป็นกรณีในสถานการณ์ของคุณ แต่ก็ยังเป็นข้อ จำกัด ที่ จำกัด มาก ฉันยังพบว่าการลบพื้นหลังนั้นอ่อนไหวต่อการเปลี่ยนแปลงความสว่างมาก (ฉันเห็นด้วยกับรูปเรขาคณิต)
ระวังในการตั้งสมมุติฐานว่าหนึ่งหยด = หนึ่งคนแม้ว่าคุณจะคิดว่าสภาพแวดล้อมของคุณควบคุมได้ดี มันเกิดขึ้นบ่อยครั้งที่ blobs ที่สอดคล้องกับผู้คนไม่ได้ตรวจจับเพราะพวกเขาไม่ได้เคลื่อนไหวหรือพวกมันเล็กเกินไปดังนั้นพวกเขาจึงถูกลบโดยการกัดเซาะหรือตามเกณฑ์การกำหนดเกณฑ์ขั้นต่ำ (และเชื่อฉันคุณไม่ต้องการเข้าไป " ปรับแต่งเกณฑ์จนกว่าทุกอย่างจะทำงานกับ "กับดักไม่ทำงาน;)) นอกจากนี้ยังสามารถเกิดขึ้นได้ว่าหยดเดียวนั้นสอดคล้องกับคนสองคนที่เดินไปด้วยกันหรือเป็นคนเดียวที่ถือกระเป๋าเดินทางบางประเภท หรือสุนัข ดังนั้นอย่าตั้งสมมติฐานอย่างชาญฉลาดเกี่ยวกับ blobs
โชคดีที่เมื่อคุณพูดถึงว่าคุณกำลังใช้ LBP สำหรับการตรวจจับบุคคลฉันคิดว่าคุณกำลังอยู่ในแนวทางที่ถูกต้องที่จะไม่ทำผิดพลาดในย่อหน้าข้างต้น ฉันไม่สามารถแสดงความคิดเห็นเกี่ยวกับประสิทธิภาพของ LBP โดยเฉพาะอย่างยิ่งแม้ว่า ผมเคยอ่านว่า HOG (histogram ของการไล่ระดับสี) เป็นรัฐของวิธีการที่ทันสมัยในการตรวจสอบคนดูHistograms ของการไล่ระดับสี Oriented สำหรับการตรวจสอบความมั่นคงของมนุษย์
จับครั้งล่าสุดของฉันเป็นเรื่องที่เกี่ยวข้องกับการใช้Camshift มันขึ้นอยู่กับฮิสโทแกรมสีดังนั้นโดยตัวมันเองมันทำงานได้ดีเมื่อติดตามวัตถุเดี่ยวที่แยกแยะสีได้ง่ายตราบใดที่หน้าต่างการติดตามมีขนาดใหญ่พอและไม่มีการปิดบังหรือการเปลี่ยนแปลงอย่างฉับพลัน แต่ทันทีที่คุณต้องติดตามเป้าหมายหลาย ๆ อันซึ่งอาจมีคำอธิบายสีที่คล้ายกันมากและจะย้ายไปใกล้กันมากคุณไม่สามารถทำได้โดยไม่ต้องใช้อัลกอริทึมที่ช่วยให้คุณรักษาสมมติฐานหลายอย่างได้ นี่อาจเป็นตัวกรองอนุภาคหรือกรอบงานเช่น MCMCDA (Markov Chain Monte Carlo Data Association ดูที่Markov Chain Monte Carlo Data Association สำหรับการติดตามหลายเป้าหมาย) ประสบการณ์ของฉันในการใช้ Meanshift เพียงอย่างเดียวเมื่อติดตามวัตถุหลายรายการเป็นทุกสิ่งที่ไม่ควรเกิดขึ้นกับการติดตาม: การสูญเสียการติดตามการสับสนเป้าหมายการแก้ไขในพื้นหลัง ฯลฯ อ่านบิตเกี่ยวกับการติดตามวัตถุหลายรายการและปัญหาการเชื่อมโยงข้อมูล หัวใจของการนับคนหลายคนหลังจากทั้งหมด (ฉันพูดว่า "อาจเป็น" เพราะเป้าหมายของคุณกำลังนับไม่ได้ติดตามดังนั้นฉันจึงไม่ละทิ้งความเป็นไปได้ของวิธีการที่ชาญฉลาดบางอย่างที่นับได้โดยไม่ต้องติดตาม ... )
คำแนะนำสุดท้ายของฉันคือมีเพียงคุณเท่านั้นที่สามารถทำตามแนวทางที่กำหนดได้และคุณจะต้องมีสิ่งที่นักเล่นต้องการเพื่อให้ได้ประสิทธิภาพที่ดีขึ้น (ดังนั้นฉันจึงไม่เห็นด้วยกับผู้ใช้ 36624 ในเรื่องนี้) นี่อาจหมายถึงการเปลี่ยนชิ้นส่วนของอัลกอริทึมของคุณด้วยบางสิ่งที่มีประสิทธิภาพมากกว่าหรือเปลี่ยนสถาปัตยกรรมโดยสิ้นเชิง แน่นอนคุณต้องรู้ว่าสิ่งใดที่เป็นประโยชน์สำหรับคุณ มีสิ่งพิมพ์ที่พยายามแก้ปัญหาอย่างมีหลักการในขณะที่คนอื่น ๆ คิดหาอัลกอริทึมสำหรับชุดข้อมูลที่กำหนดและคาดว่าคุณจะฝึกอบรมตัวแยกประเภทที่ไม่เหมาะกับปัญหาในขณะที่ต้องการให้คุณ ปรับเกณฑ์ไม่กี่เช่นกัน คนนับเป็นการวิจัยอย่างต่อเนื่องดังนั้นอย่าคาดหวังว่าสิ่งต่างๆ ใช้ความพยายามในการเรียนรู้สิ่งต่าง ๆ ที่เกินความสามารถของคุณเล็กน้อยแล้วทำมันซ้ำแล้วซ้ำอีก ...
ฉันรับทราบว่าฉันไม่ได้เสนอวิธีแก้ปัญหาใด ๆ และได้ชี้ให้เห็นข้อบกพร่องในแนวทางของคุณ (ซึ่งมาจากประสบการณ์ของฉัน) สำหรับแรงบันดาลใจฉันแนะนำให้คุณอ่านงานวิจัยล่าสุดเช่นการติดตามหลายเป้าหมายที่เสถียรในวิดีโอการเฝ้าระวังตามเวลาจริง โชคดี!