คำถามติดแท็ก computer-vision

ฉันต้องเชื่อมต่อรูปทรงใกล้เคียงในภาพตามระยะห่างระหว่างพวกเขาซึ่งระบุว่าจะต้องเชื่อมต่อรูปทรงหรือไม่ ตอนนี้มีคำถามเกี่ยวกับปัญหาเดียวกันนี้แล้วที่นี่/programming/8973017/opencv-c-obj-c-connect-nearby-contoursแต่ที่นี่เขารวมรูปทรงทั้งหมดเป็นหนึ่งเดียว ฉันไม่ต้องการ ฉันไม่คิดว่ามีฟังก์ชั่นบางอย่างใน opencv สำหรับเรื่องนี้ แต่คุณสามารถแนะนำอัลกอริทึมสำหรับสิ่งนั้นได้ แอปพลิเคชันของฉันเป็นดังนี้: ฉันกำลังตรวจจับมือดังนั้นฉันจึงใช้อัลกอริธึมการตรวจจับผิวหนังเพื่อตรวจสอบพวกเขา แต่เนื่องจากผิวของฉันไม่ขาวและอาจเป็นเพราะสภาพแสงบางครั้งเส้นแบ่งที่ข้อศอก ดังนั้นฉันจึงต้องการให้รูปทรงใกล้เคียงเชื่อมต่อกัน แต่ไม่ใช่ทั้งหมด (เพราะทั้งสองมือของฉันจะอยู่ในรูปทรง) (ด้วยมือฉันหมายถึงจากไหล่ถึงต้นปาล์ม) ยิ่งกว่านั้นฉันคิดว่าการใช้การตรวจจับขอบบางอย่างฉันจะทำให้มือของฉันมีขอบเขตและตรวจสอบว่ามีการตรวจพบว่าแพทช์นี้ภายในขอบเขตนี้เป็นผิวหนังจากนั้นพื้นที่ทั้งหมดภายในขอบเขตนี้จะถูกตรวจพบเป็นผิวหนัง แต่ฉันไม่แน่ใจว่าจะทำอย่างไร ส่วนหนึ่ง ความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชม. ขอบคุณล่วงหน้า ภาพตัวอย่าง: ในภาพนี้ฉันต้องการเชื่อมต่อจุดเชื่อมต่อ (การเชื่อมต่อ 8 จุด) ซึ่งน้อยกว่าความยาว 40 พิกเซลเพื่อบอกว่าฉันจะได้มือซ้ายของฉันเป็นรูปร่างเดียว เป้าหมายของฉันคือการได้รับรูปร่างของมือ (ฉันไม่สนใจเกี่ยวกับภูมิภาคอื่น ๆ )

15 image-processing  computer-vision  opencv  morphological-operations 

ฉันทำงานและเรียนรู้เกี่ยวกับการมองเห็นคอมพิวเตอร์และการประมวลผลภาพมาหลายปีแล้วและฉันเชื่อว่าฉันไม่ได้เป็นผู้เริ่มต้นที่สมบูรณ์อีกต่อไป ยังคงหลังจากที่ทุกปีเหล่านี้มันเป็นเรื่องยากสำหรับผมที่จะบอกส่วนใดส่วนหนึ่งโดยเฉพาะอย่างยิ่งการทำงานของผมไม่ว่าจะเป็นส่วนใหญ่วิสัยทัศน์เกี่ยวกับคอมพิวเตอร์, หรือถ้ามันเป็นการประมวลผลภาพ ฉันไม่เห็นบรรทัด - เมื่อฉันทำงานการศึกษาและการวิจัยฉันอ่านเอกสารอ้างอิงด้วยคำหลักทั้งสอง ดังนั้นฉันสนใจในความหมายของวิสัยทัศน์คอมพิวเตอร์และการประมวลผลภาพทุ่งนาให้ความสำคัญกับการเปรียบเทียบ (ความแตกต่างเช่นเดียวกับการทับซ้อน) ของฟิลด์ นอกจากนี้ฉันคิดว่ามันจะมีค่าหากมีตัวอย่างของแอปพลิเคชัน (แนวความคิดหรือที่มีอยู่) ในทางปฏิบัติโครงการและงานที่เกี่ยวข้องกับ / ใช้ประโยชน์: แต่เพียงผู้เดียว (หรือส่วนใหญ่) เครื่องมือและแนวคิดเกี่ยวกับการมองเห็นของคอมพิวเตอร์ แต่เพียงผู้เดียว (หรือส่วนใหญ่) เครื่องมือและแนวคิดในการประมวลผลภาพ การรวมกันของเครื่องมือและแนวคิดจากทั้งสองฟิลด์ ด้วยความเอาใจใส่เป็นพิเศษที่จ่ายให้กับสิ่งที่ทำให้เป็นหนึ่งและไม่ใช่ที่อื่นหรือทำให้ทั้งสองอย่าง ฉันเข้าใจว่าฟิลด์เหล่านี้มีความเกี่ยวข้องสูงและ "บรรทัด" อาจไม่ชัดเจนเหมือนคำถามที่ถาม แต่ฉันหวังว่าคุณเข้าใจว่าประเด็นของคำถามนี้ไม่ได้ออกแบบกฎการตัดสินใจแบบง่าย ๆ สำหรับการจำแนก (ของฉัน) ทำงานได้ แต่ควรมีความเข้าใจที่ดีขึ้นเกี่ยวกับโฟกัสและเป้าหมายของสาขาเหล่านี้ นอกจากนี้ยังยินดีต้อนรับข้อมูลเพิ่มเติมใด ๆ ที่ปรากฏในหัวข้อด้วยคำถามของฉันแม้ว่าฉันจะไม่ได้ขอเป็นพิเศษ

14 image-processing  computer-vision  soft-question  theory 

ฉันมีภาพไบนารีที่ได้รับจากเครื่องตรวจจับขอบแสนรู้ ไม่มีการตรวจจับขอบในศูนย์และฉันต้องเข้าร่วม การเชื่อมต่อของขอบเป็นการวางแนวและขึ้นอยู่กับพื้นที่ใกล้เคียง ฉันจำเป็นต้องเชื่อมต่อจุดยอดถ้าพวกเขาอยู่ต่ำกว่าเกณฑ์ (พูดน้อยกว่า 5 พิกเซลระยะทาง) หากคุณสมบัติเชิงเส้นเกือบของฉันมุ่งเน้นอย่างดีเกณฑ์นี้ควรจะผ่อนคลาย (นี่เป็นกรณีที่ดีที่สุด) ฉันลองแปลง Hough แล้ว แต่ก็ไม่ได้ผลสำหรับฉันเพราะฉันไม่มีเส้นตรง การขยายและการกัดเซาะก็ไม่ดีเช่นกัน พวกเขาทำให้ภาพยุ่งเหยิง วิธีที่ฉันพยายามคือการตรวจจับจุดยอดและโหนด (ใน MATLAB ด้วยbwmorph) ก่อนจากนั้นสร้างใบไม้เป็นคุณลักษณะแยกต่างหาก สิ่งนี้ทำได้ดังนี้: การสแกนในหน้าต่าง 3x3 มองหาเพื่อนบ้าน สำรวจวัตถุที่เชื่อมต่อที่สมบูรณ์ พยายามให้พอดีกับเส้น (หรืออาจเป็นพหุนามกำลังสอง) ตรวจสอบฟีเจอร์โดยฟีเจอร์ถ้ามันคุ้มค่าการเชื่อมต่อหรือไม่ การดำเนินการไม่ตรงไปตรงมาเนื่องจากส่วนการตัดสินใจที่ต้องเชื่อมต่อจุดยอดเป็นเรื่องยุ่งยาก

14 computer-vision  edge-detection 

ฉันมีพื้นผิว:มีแอตทริบิวต์วัด (ตัวแปร) ในแต่ละพื้นผิว:y) ส่วนใหญ่ของพื้นผิวจะมีการกระจายแบบสุ่มของคุณสมบัติทั่วพื้นผิว แต่บางพื้นผิว (ที่น่าสนใจ) จะแสดงรูปแบบแม่น้ำที่คดเคี้ยว:nnnZผม( x , y)Zผม(x,Y)z_i(x,y)aผม( x , y)aผม(x,Y)a_i(x,y) ฉันต้องการความช่วยเหลือจากคุณในการวัดที่จะบอกเราว่าพื้นผิวใดของที่น่าจะมีลวดลายดังกล่าวมากที่สุดnnn มีแผนที่ที่เป็นไปได้มากมายที่มีฮิสโตแกรมเดียวกันดังแสดงด้านล่าง ดังนั้นการวัดจำเป็นต้อง "ให้รางวัล" ความต่อเนื่องเชิงพื้นที่ เพื่อแสดงสิ่งนี้ฉันได้สร้างภาพสุ่มที่มีฮิสโตแกรมเกือบเท่ากับภาพแม่น้ำ: ดังนั้นสถิติรูปภาพ Ala Entropy อาจเป็นเพียงส่วนหนึ่งของการแก้ปัญหา นี่คือตัวอย่างของภาพที่ไม่มีรูปแบบของแม่น้ำที่คดเคี้ยว: ภาพของฉันเป็นแบบสังเคราะห์ (ทำใน Matlab) ในชีวิตจริงภาพที่ไม่มีรูปแบบอาจมีความต่อเนื่องเชิงพื้นที่มากกว่าในรูปแบบของหยดเล็ก ๆ ที่มีค่าใกล้เคียงกัน นี่คือภาพในโทนสีเทา:

14 image-processing  computer-vision 

ฉันหวังว่านี่คือสถานที่ที่เหมาะสมที่จะถาม ยังไงก็ขอโทษสำหรับความผิดพลาดของฉันและ pleace แนะนำเว็บไซต์ที่ดีกว่า ฉันกำลังพยายามใช้เครื่องตรวจจับผิวหนังที่เรียบง่ายเป็นพิเศษโดยใช้อิมเมจ hsb บางช่วง ผมใช้วิธีการอธิบายที่นี่และที่นี่ ฉันพยายามใช้แหล่งวิดีโอจากเว็บแคมของฉัน ถ้าฉันใช้ไฟส่องดวงอาทิตย์มันทำงานได้ค่อนข้างดี (ไม่ค่อยดี แต่ค่อนข้างดี) แต่ด้วยแสงนีออน .. มันเป็นระเบียบ ตรวจพบบริเวณสีขาวจำนวนมากและมีเสียงรบกวนทุกที่ ทำไม? ฉันใช้อัลกอริทึมที่อธิบายไว้ในแหล่งที่สอง : แปลงภาพพื้นที่สี HSV โฮ ใส่สีขาวในช่วง 0 <H <38 ขยายตัวกรอง ตัวกรองกร่อน ตัวกรองเบลอ

14 image-processing  computer-vision 

ตัวอธิบายในอัลกอริทึม BRIEFจับคู่กันอย่างไร รูปภาพเทมเพลตเป็นวิธีการที่พบในภาพอื่นได้อย่างไร เราจะเปรียบเทียบคำอธิบายอย่างไร ฉันได้อ่านบทความนั้นแล้ว แต่ไม่เข้าใจว่าพวกเขาทำมันได้อย่างไร พวกเขาเขียนว่าพวกเขาเปรียบเทียบตัวบอกรายละเอียดโดยใช้ระยะทาง Hamming แต่ค่าคงที่กับการเปลี่ยนแปลงของแสงขนาดและอื่น ๆ เป็นอย่างไร

14 computer-vision  algorithms  local-features 

ฉันจะเปลี่ยนสูตรเพื่อตรวจจับบาร์โค้ดในทุกมุมได้อย่างไร rgb = imread('barcode4.jpg'); % Resize Image rgb = imresize(rgb,0.33); figure(),imshow(rgb); % Convert from RGB to Gray Igray = double(rgb2gray(rgb)); % Calculate the Gradients [dIx, dIy] = gradient(Igray); B = abs(dIx) - abs(dIy); % Low-Pass Filtering H = fspecial('gaussian', 20, 10); C = imfilter(B, H); C = imclearborder(C); figure(),imagesc(C);colorbar

14 matlab  computer-vision 

เมฆจุด(x,y,z)จะถูกสร้างขึ้นโดยใช้ฟังก์ชั่นการสุ่มชุดสำหรับ ดังที่แสดงในรูปภาพต่อไปนี้ระนาบการตัดแบบเรียบ ( โปรไฟล์ ) กำลังถูกตรวจสอบว่าตรงกับที่ดีที่สุด (แม้ว่าจะไม่ใช่แบบที่แน่นอน) โปรไฟล์เป้าหมายคือที่ให้ไว้ที่มุมซ้ายล่าง ดังนั้นคำถามคือ: 1- วิธีการค้นหาการจับคู่ดังกล่าวtarget 2D point mapผ่านการpoint cloudพิจารณาบันทึกย่อ / เงื่อนไขต่อไปนี้? 2- อะไรคือพิกัด / ทิศทาง / องศาของความคล้ายคลึงกัน ฯลฯ ? หมายเหตุ 1:โปรไฟล์ที่น่าสนใจอาจอยู่ที่ใดก็ได้ที่มีการหมุนตามแกนและอาจมีรูปร่างที่แตกต่างกันเช่นสามเหลี่ยมสี่เหลี่ยมผืนผ้าสี่เหลี่ยมจัตุรัส ฯลฯ ขึ้นอยู่กับตำแหน่งและทิศทางของมัน ในการสาธิตต่อไปนี้จะแสดงเฉพาะสี่เหลี่ยมที่เรียบง่าย หมายเหตุ 2:ค่าความคลาดเคลื่อนอาจถือได้ว่าเป็นระยะทางของคะแนนจากโปรไฟล์ แสดงให้เห็นถึงนี้สำหรับรูปต่อไปนี้สมมติว่าความอดทนของ0.01ครั้งมิติที่มีขนาดเล็กที่สุดเพื่อให้(~1) tol=0.01ดังนั้นหากเราลบส่วนที่เหลือออกและฉายจุดที่เหลือทั้งหมดบนระนาบของโปรไฟล์ที่ถูกตรวจสอบแล้วเราจะสามารถตรวจสอบความคล้ายคลึงกันกับโปรไฟล์เป้าหมายได้ หมายเหตุ 3:หัวข้อที่เกี่ยวข้องอาจจะพบได้ที่จุดรับรู้รูปแบบ

14 image-processing  computer-vision  image-registration  point-cloud 

ว่าฉันใช้กล้องสอบเทียบเพียงหนึ่ง จากกล้องนี้ผมได้รับภาพ A และ B ฉันรู้ homography ระหว่าง A และ B ที่คำนวณผ่านOpenCV 's findHomography () ฉันรู้ว่าโพสท่า (เมทริกซ์การหมุน R และเวกเตอร์การแปล t) ของภาพ A และฉันต้องการรูปของบีเมื่อฉันได้รับมันฉันคิดว่าฉันจะสามารถคำนวณทุก ๆ ท่าของภาพต่อไปนี้ได้ คุณรู้หรือไม่ว่าการนำโพรเซสซิงของ B มาใช้? ฉันพบบทความหลายบทความบนเว็บ แต่ไม่พบวิธีแก้ปัญหาที่ใช้งานได้ง่าย ...

13 image-processing  computer-vision  3d  opencv 

ฉันมีภาพไบนารีขนาด 160x120 เช่น: ฉันต้องการตรวจหามุมของหยดสีขาวเหล่านั้น ก่อนหน้านี้พวกเขาถูกปิดโดยสัณฐานวิทยาทางคณิตศาสตร์ดังนั้นจึงไม่ควรมีมุมด้านใน ในกรณีเฉพาะนี้ฉันต้องการ 16 มุมเช่น: ความพยายามครั้งแรกของฉันคือการใช้ฟังก์ชั่น OpenCV บางอย่างเช่นgoodFeaturesToTrackหรือFASTแต่มันช้ามากเป็นพิเศษ (บวกกับ FAST นั้นไม่เสถียรมาก) ความคิดของฉันคือการคำนวณเช่นนี้ใน GPU เนื่องจากภาพต้นฉบับของฉันมาจากมัน ฉันค้นหาความคิดบนเว็บเกี่ยวกับวิธีการเขียนเฉดสี (ฉันใช้ OpenGL ES 2.0) แต่ไม่มีอะไรเป็นรูปธรรม ความคิดใดที่ฉันจะเริ่มอัลกอริธึมแบบนั้นได้?

13 image-processing  computer-vision 

ฉันพยายามเพื่อจุดประสงค์การเรียนรู้ของฉันเองเพื่อพัฒนาการใช้อัลกอริทึมที่จะเขียนรายการหนังสือโดยกำหนดภาพของชั้นวางหนังสือดังนี้ ขั้นตอนแรกคือการแบ่งภาพออกเป็นแต่ละเล่ม อัลกอริทึมของฉันในMathematicaคือ: img = ColorConvert[Import["http://i.stack.imgur.com/IaLQk.jpg"], "GrayScale"] ทำการตรวจจับขอบพื้นฐาน & ลบข้อความและพยายามรักษาความยาวบรรทัด edge = DeleteSmallComponents[EdgeDetect[img, 3],Last[ImageDimensions[img]]/5] จากนั้นลบเส้นแนวนอนที่ไม่พึงประสงค์ lines = Sort[ImageLines[img5] /. {{0., _}, {_, _}} -> Sequence[]] Show[img, Graphics[{Thick, Orange, Line /@ lines}]] แม้ว่าผลลัพธ์จะน้อยกว่ามาก: คำถามของฉันคือ: ฉันจะปรับปรุงสิ่งนี้เพื่อให้ได้ผลลัพธ์ที่ดีขึ้นได้อย่างไร มีวิธีที่ฉลาดกว่านี้หรือไม่? ฉันควรประมวลผลรูปภาพเพิ่มเติมเพื่อเพิ่มความแม่นยำในระยะ OCR (ในภายหลัง) อย่างไร จะใช้ข้อมูลสีเพื่อปรับปรุงการแบ่งส่วนได้อย่างไร

13 opencv  computer-vision  image-segmentation 

ฉันอธิบายคำถามของฉันด้วยตัวอย่างง่าย ๆ ฉันสามารถออกแบบระบบวิชันซิสเต็มสำหรับการตรวจสอบสินค้าโดยอัตโนมัติด้วยข้อกำหนดหลักเหล่านี้: รูปภาพของชิ้นส่วนที่ดีจะต้องเป็นพื้นหลังสีดำและชิ้นส่วนต้องเป็นสีเทา ข้อบกพร่องจะต้องปรากฏเป็นพื้นที่สีขาวภายในพื้นที่สีเทา ความต้องการเหล่านี้ทำให้ส่วนซอฟต์แวร์ของระบบง่ายขึ้น: เพื่อจัดประเภทรายการเป็นอัลกอริธึมที่บกพร่องเพียงแค่นับพิกเซลสีขาว แต่เพื่อให้ได้อัลกอริธึมที่ตรงไปตรงมานี้ฉันจะต้องมีความสามารถในการออกแบบส่วนแสง / ออปติคอล / กลไกของระบบและส่วนนั้นอาจมีค่าใช้จ่ายมากกว่าซอฟต์แวร์ ในอดีตฉันอาจจะอ่านประโยคอย่าง"ทำมากที่สุดเท่าที่จะทำได้ด้วยกลไกและซอฟต์แวร์ให้น้อยที่สุด" ; ดูเหมือนว่าฉันจะอยู่ในหนังสือของปี 1990 (หรือ 1980) เกี่ยวกับการมองเห็นเครื่องจักรที่ใช้งานได้จริง แต่ฉันไม่พบการอ้างอิง / การอ้างอิงที่เหมาะสม

12 image-processing  computer-vision  algorithms  reference-request  theory 

ฉันรู้ว่าคุณสามารถคำนวณ homographies จากภาพไปยังระนาบกล้องโดยใช้จุดการติดต่อระหว่าง "โมเดลที่สมบูรณ์แบบ" และจุดภาพ ฉันทำเพื่อสนามฟุตบอล / และใช้การตรวจจับขอบเพื่อค้นหาเส้นสีขาวในสนาม แต่กล้องไม่ได้ครอบคลุมทุกสนามดังนั้นฉันไม่สามารถมองเห็นมุมทั้งหมดได้และฉันมีเพียงมุมเท่านั้นที่เป็นที่รู้จัก 100% ในโมเดล (ไม่มีจุดที่แตกต่างอื่น ๆ ) ดังนั้นปัญหาก็คือถ้าหากเส้นตัดกับอีกเส้นหนึ่งและทำมุมฉันก็รู้จุดภาพของเส้นไม่ใช่พิกัด "เพอร์เฟ็ค / โลกแห่งความเป็นจริง" ที่สอดคล้องกันในโมเดล มีวิธีใดบ้างที่ฉันสามารถใช้บรรทัดที่ตรวจพบเพื่อคำนวณ homography หรือแม้แต่แค่ชุดของ homographies ที่มีผู้สมัครแม้ว่าเส้นที่ตรวจพบจะไม่ตัดกันและสร้างมุม? ภาพตัวอย่างการแสดงระดับเสียงมุมมองของเราและจุดที่ระดับเสียงซึ่งฉันสามารถทราบพิกัดโลก / โมเดลที่สอดคล้องกัน (วงกลมสีเขียว) และตัวอย่างของ 2 บรรทัดที่อาจไร้ประโยชน์อย่างสมบูรณ์ตั้งแต่ในมุมมองของเรา ฉันไม่มีเงื่อนงำตรงจุดที่พวกเขาเริ่มหรือหยุดในโลกแห่งความจริง / แบบจำลองของสนาม: เส้นสีแดงเป็นตัวอย่างของเส้นที่ฉันต้องการใช้ แต่ฉันไม่ทราบพิกัดของโลกแห่งความจริงและมันก็ยากที่จะประเมินเพราะมันขึ้นอยู่กับรูปแบบของกล้อง

12 image-processing  computer-vision  opencv  homography 

ฉันกำลังมองหาวิธีการจับคู่แม่แบบที่คงที่และการหมุน ฉันได้ลองแล้วบางส่วน แต่พวกเขาก็ไม่ได้ผลดีนักสำหรับตัวอย่างของฉัน การตรวจจับคุณสมบัติ SIFT และ SURF ล้มเหลวโดยสิ้นเชิง ฉันยังพยายามใช้ฟังก์ชั่นการจับคู่เทมเพลต Log-Polar แต่ฉันไม่เคยทำเสร็จ (ไม่รู้วิธีการ) ในบทความเหล่านี้ (ที่แรกคือในเยอรมัน) http://cvpr.uni-muenster.de/teaching/ss08/seminarSS08/downloads/Wentker-Vortrag.pdf http://www.jprr.org/index.php/jprr/article/viewFile/355/148 ฉันอ่านเกี่ยวกับวิธีการนั้น การแมปพิกัดขั้วโลกทำงานได้ แต่ฉันไม่รู้ว่ามันถูกต้องหรือไม่ ภาพมีลักษณะเช่นนี้ source_log_polar.png http://www.shareimages.com/images/pics/0/0/3/62394-pZSfl5WenZysnpyVnKg-source_log_polar.png และหลังจากจับคู่ภาพทั้งสองนี้ด้วยฟังก์ชั่นการจับคู่เทมเพลตของ OpenCV ฉันก็ได้ผลลัพธ์นั้น ตอนนี้ฉันไม่ทำต่อไป แม่แบบของฉันเป็นสัญลักษณ์ง่าย ๆ ในการสร้างพิมพ์เขียวและพิมพ์เขียวเอง สัญลักษณ์อาจมีขนาดและทิศทางแตกต่างกัน เช่นพิมพ์เขียวอย่างง่ายของฉัน: และแม่แบบของฉัน ในตัวอย่างนี้มีเพียงหนึ่งเทมเพลต แต่ในพิมพ์เขียวมันควรจะค้นหาสิ่งที่เกิดขึ้นทั้งหมดแม้กระทั่งสิ่งที่มีขนาดและ / หรือทิศทาง ไม่มีใครมีวิธีการที่ฉันสามารถแก้ปัญหานี้ได้หรือไม่? แก้ไข: นอกเหนือจากแนวทางของ Andrey อัลกอริทึมการจับระยะทางสำหรับโปรไฟล์เรเดียล (ใช้ EmguCV) private float[] getRadialProfile( Image<Gray, byte> image, Point …

12 computer-vision  opencv  template-matching 

ขณะนี้ฉันกำลังพัฒนาโครงการเคาน์เตอร์คนเดินเท้า (ใช้ OpenCV + QT บน Linux) ความคิดของฉันเกี่ยวกับวิธีการคือ: เฟรมจับภาพ ทำการลบพื้นหลัง เสียงที่ชัดเจน (กร่อนขยาย) ค้นหา blobs (cvBlobslib) - วัตถุเบื้องหน้า สำหรับแต่ละหยดตั้งค่า ROI และค้นหาคนเดินเท้า (LBP ด้วย detectMultiScale) ใน blobs เหล่านี้ (เพื่อประสิทธิภาพที่ดีขึ้น) สำหรับคนเดินถนนที่พบแต่ละคนทำการค้นหาร่างกายส่วนบนที่ซ้อนกัน (ไม่แน่ใจ) (ความน่าเชื่อถือที่ดีขึ้น) หากพบคนเดินถนนเดียวกันบนเฟรมต่อเนื่อง (อาจมี 3-4 เฟรม) - เพิ่มพื้นที่นั้นไปที่เพลาลูกเบี้ยวและแทร็ก - ทำเครื่องหมายว่าเป็นคนเดินเท้า ยกเว้นพื้นที่การติดตามเพลาลูกเบี้ยวจากการตรวจจับหยดน้ำสำหรับเฟรมถัดไป หากคนเดินเท้าข้ามหมายเลขที่เพิ่มขึ้นบรรทัด ฉันต้องการตรวจสอบว่าฉันอยู่ในเส้นทางที่ถูกต้องหรือไม่ คุณมีข้อเสนอแนะเกี่ยวกับวิธีปรับปรุงวิธีการของฉันหรือไม่? หากใครบางคนทำงานในสิ่งที่คล้ายกันฉันจะขอบคุณเคล็ดลับที่มีประโยชน์ทรัพยากร (และการวิจารณ์) เกี่ยวกับปัญหานี้

12 computer-vision  opencv  object-recognition