Zliczanie pojazdów na obrazie

9

Próbowałem zaimplementować algorytm do zliczania samochodów na obrazie. Próbowałem wdrożyć metodę liczenia pojazdów w obecności okluzji wielu pojazdów w obrazach drogowych

Szacuje tło na podstawie zestawu różnych obrazów. W tym celu przyjrzałem się różnym innym technikom, a wszystkie one w taki czy inny sposób wykorzystują oszacowanie tła z zestawu obrazów lub wymagają wideo. Jako dane wejściowe mam obrazy drogowe, w których tło (prawdopodobnie droga w większości artykułów) jest ledwo widoczne. Co więcej, obrazy pochodzą z różnych obszarów, więc nie mają też wspólnego tła. Jak mam postępować w takim przypadku?

Myślę, że jeśli w jakiś sposób uda mi się dopasować konstrukcję pojazdów (samochodu), to prawdopodobnie można je dopasować. Ale nie wiem, czy jest to wykonalne i jak to zrobić, ponieważ obraz zawiera również wiele zatkanych pojazdów.

Wszelkie wskazówki, a nawet prace badawcze są również mile widziane.

Przykładowy obraz wygląda następująco: Przykładowy obraz ruchu

Przykładowy obraz ruchu 2

krammer
źródło
2
Czy możesz zamieścić jeden lub dwa reprezentatywne przykładowe obrazy?
bjoernz
Zajrzałbym
@bjoernz Dodałem przykładowy obraz.
krammer 19.04.13
1
To trudne. Czy zawsze widzisz samochody z przodu? Może coś można zrobić z kombinacją szyby przedniej / dachu ... Jak dokładne musi być liczenie? Ile zdjęć trzeba przetworzyć? Może ręczne etykietowanie jest opcją mturk.com/mturk :)
bjoernz 19.04.2013
@bjoernz Nie mogę polegać na mturku ;-). Myślę, że nie chcę, żeby było to bardzo dokładne. Początkowo wystarczyło tylko kilka zliczeń. Myślę, że SIFT / SURF może pomóc. Potrafię wyszkolić klasyfikatora z wielu zestawów danych samochodu (większość z nich ma 1 samochód / obraz). Ale nie wiem, czy byłby w stanie wykryć wiele samochodów na obrazie (może być znacznie mniej skomplikowany niż ten, ale wciąż posiadający więcej niż jeden częściowo
zatkany

Odpowiedzi:

2

Jak wspomniano, problem liczenia obiektów jest bardzo trudny. Dobre zestawienie niektórych powszechnych podejść podano w http://www.robots.ox.ac.uk/~vilem/NIPS2010.pdf .

Tworzenie bazy danych funkcji SIFT na obrazach szkoleniowych wydaje się naturalną ścieżką do zejścia. To w połączeniu z pewną segmentacją obrazu może być dobrym rozwiązaniem.

Inną ścieżką może być spojrzenie na HOG http://chrisjmccormick.wordpress.com/2013/05/09/hog-person-detector-tutorial/ , który jest podobnie algorytmem wykrywania funkcji, który można dostosować do samochodów.

użytkownik1531177
źródło