计算机视觉 - 视频中的人体检测答案

【问题标题】：Computer Vision - Human Detection in Video计算机视觉 - 视频中的人体检测
【发布时间】：2013-02-07 04:55:45
【问题描述】：

我需要实时检测视频中的人物。我想这与在静态图像中检测人没有太大区别（除了视频图像的分辨率通常要低得多）。你们能给我指出一些方向吗？我在计算机视觉领域没有经验，所以任何可以给我介绍的链接、文章、视频都会很有用。任何帮助表示赞赏。

谢谢。

【问题讨论】：

通过csee.wvu.edu/~xinl/source.html 提供许多指向论文可用实现的链接。对于动作检测 - research.microsoft.com/en-us/um/people/zliu/papers/SPM2010.pdf

标签： computer-vision

【解决方案1】：

最著名的人体检测方法之一是Histogram of Oriented Gradients (HoG) 检测器。这已在OpenCV library 中实现，应该是一个很好的起点。

【讨论】：

相机将被放置在天花板上（我忘了提...）。这种方法还能用吗？
嗯，我猜如果他们正好在相机下方，这个方法就不会那么好用了。但是，您可以对相机周围不同位置的检测率进行一些测试，并定义一个精度低得无法接受的锥体。在处理视频时，您可以使用人类检测算法检测该区域之外的目标，然后使用Kalman Filter 将它们作为简单的斑点形状进行跟踪（如果它们进入该区域）。
嗨@Max。我想了解更多有关人员跟踪的信息。假设我有一种实时可靠的方法来检测人类。假设我在视频流中以非常低的速率检测到人类。所以，我不能说框架 A 中的矩形指向同一个人，而框架 B 中的矩形指向同一个人，因为这两个矩形靠得很近。有没有什么我可以用来判断两个人在不同的帧上是否相同，即使这个人从一个帧到另一个帧移动了很多？
@DaniloCarvalho 这听起来很难。轨迹/运动建模可能会让您粗略猜测它们将在下一帧中的位置，但初始化这将是困难的（也许您可以尝试从它们在第一帧中所面对的方向找出它们移动的方向，并且从那里精炼）。如果视频馈送是彩色的，也可以选择基于衣服/皮肤/头发的颜色进行跟踪。 condensation algorithm 可能是开始此类跟踪的好地方。

【解决方案2】：

一种方法是使用 HOG 功能。第一种方法似乎很耗时然而，这是一个非常成功的人体检测算法。第二种方式是优化HOG 算法通过调整图像大小这个方法的结果检测人类的次数增加两倍以上在一个在检测中划痕时的图像主要是当人在边缘时的准确性。这第三种方法是使 Haar 特征适应于人体检测此解决方案显着降低尽管精度高，但计算成本。为了评估所提出的方法，我们有建立了俯视人体数据库。实验结果表明拟议的效力和效率提供良好比率精度/时间的算法执行。

【讨论】：