이미지에서 개체의 초기 마스크를 만드는 것으로 시작합니다. 이 마스크를 사용하여 다음 이미지를 처리하는 데 사용되는 히스토그램이 생성됩니다.OpenCV 히스토그램 역 투사 대체
나는 calcBackProject 함수를 사용하여 히스토그램에 속하는 이미지의 픽셀을 찾습니다. 내가 겪고있는 문제는 특정 개체가 초기 개체의 색과 유사하기 때문에 너무 많은 이미지가 받아 들여지고 있다는 것입니다. calcBackProject에 대한 대안이 있습니까? 내 응용 프로그램에서는, 내가 속하지 않는 개체를 얻을 여유가 없습니다. 이 모든 것은 내가 완벽한 초기 마스크를 가지고 있다고 가정합니다.
개체를 추적하는 데는 여러 가지 방법이 있으며 매우 어려울 수 있습니다. OpenCV 내에서 어퍼 트랜스미션/캠 샤프트 트래커를 사용해보십시오. 그렇지 않다면 opencv 세계를 벗어나 추적 학습 탐지 프레임 워크를 시도해야 할 것입니다.
Meanshift/Camshift/등을 OpenCV에서
http://docs.opencv.org/modules/video/doc/video.html ++ C에서 http://docs.opencv.org/trunk/doc/py_tutorials/py_video/py_meanshift/py_meanshift.html
추적 학습 검출 :
공격 : http://www.samhare.net/research/struck는 (사용을 OpenCV)
의 추적 학습 - 탐지 MATLAB :
Preditor :이 동안 http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/tld.html
나는 그들이 내 응용 프로그램에 대한 실행 가능한 경우 확실하지 않다, 아주 좋은 방법입니다. 세부 사항에 너무 많이 익숙해지지 않으면 서, 내 애플리케이션은 특정 사양의 초기 객체를 인식해야합니다 (예 : 얼굴 또는 손). 이 후에는 오브젝트의 아주 작은 부분 만 보이고 배경은 동적입니다. 문제는이 아주 작은 부분이 속한 것인지 판단하는 것입니다. 모양이 끊임없이 변하기 때문에 내가 생각할 수있는 유일한 것은 물체의 색 공간과 배경에 따라 물체를 특성화하는 것입니다. 이것은 정확도가 TLD 프레임 워크의 목표 인 부정확 한 – user3157892
@ user3157892로 이어지는 것으로 보입니다. 학습 부분은 시점 포인트 변경을 고려하여 모델을 업데이트합니다. 그러나 분명히 어려운 상황에서는 작동하지 않을 것입니다. – QED