Segmentacja i śledzenie pojazdów

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:

Niestety, przepływ optyczny jest również trudnym problemem ;-)

Cóż, aby być bardziej konstruktywnym, oto kilka algorytmów, które powinny być warte wypróbowania (lub zostały wypróbowane w tej konkretnej sekwencji):

• ponownie wyszkol swoje torby funkcji na bazie danych pojazdów bardziej reprezentatywnych (pod względem wielkości i orientacji) do rzeczywistego problemu, aby uzyskać lepsze wyniki
• wykorzystaj fakt, że ziemia jest płaską płaszczyzną, aby wykonać parametryczny przepływ optyczny (poszukiwanie przepływu afinicznego) lub obliczyć pewną rejestrację afiniczną między ramkami sekwencji. Ruchome pojazdy będą wówczas odstające od tego dominującego ruchu
• użyj jakiegoś algorytmu przepływu optycznego, aby obliczyć przepływ, a następnie spróbuj sklasyfikować / zgrupować wektory przepływu optycznego (wciąż jest to szeroko otwarty problem!). W zależności od używanego języka możesz użyć przepływu optycznego OpenCV, TU Graz , przepływu optycznego D. Sun , a nawet mojego ;-). Zauważ jednak, że segmentacja przepływu będzie nietrywialnym zadaniem, które powinieneś prawdopodobnie wykonać w dwóch krokach: globalna (dominująca) estymacja ruchu, a następnie wykrywanie małego ruchu.