Segmentación y seguimiento de vehículos.

He estado trabajando en un proyecto durante algún tiempo, para detectar y rastrear vehículos en video capturado de vehículos aéreos no tripulados, actualmente estoy usando un SVM capacitado en representaciones de bolsa de características de características locales extraídas de vehículos e imágenes de fondo. Luego estoy usando un enfoque de detección de ventanas deslizantes para tratar de localizar vehículos en las imágenes, que luego me gustaría rastrear. El problema es que este enfoque está muy lento y mi detector no es tan confiable como me gustaría, así que estoy obteniendo bastantes falsos positivos.

Así que he estado considerando intentar segmentar los autos desde el fondo para encontrar la posición aproximada para reducir el espacio de búsqueda antes de aplicar mi clasificador, pero no estoy seguro de cómo hacerlo, y esperaba que alguien pudiera ayudar.

Además, he estado leyendo sobre la segmentación de movimiento con capas, usando el flujo óptico para segmentar el cuadro por modelo de flujo, ¿alguien tiene alguna experiencia con este método? Si es así, ¿podría ofrecer alguna información sobre si cree que este método sería aplicable para mi problema.

ACTUALIZACIÓN : También publiqué esta pregunta en el desbordamiento de la pila, y tuve una excelente respuesta , ya he implementado esta idea y está funcionando sorprendentemente bien y ahora estoy investigando el uso del flujo óptico además de esta técnica.

A continuación hay dos cuadros de un video de muestra

marco 0:

marco 5:

Por desgracia, el flujo óptico también es un problema difícil ;-)

Bueno, para ser más constructivos, aquí hay algunos algoritmos que vale la pena probar (o se han probado en esta secuencia en particular):

• Vuelva a entrenar sus maletas de características en una base de datos de vehículos más representativos (en tamaño y orientación) a su problema real para obtener mejores resultados
• use el hecho de que el suelo es un plano plano para hacer un flujo óptico paramétrico (buscar un flujo afín) o para calcular un registro afín entre los cuadros de la secuencia. Los vehículos en movimiento estarán fuera de este movimiento dominante.
• use un algoritmo de flujo óptico para calcular el flujo, luego intente clasificar / agrupar los vectores de flujo óptico (¡esto sigue siendo un problema ampliamente abierto!). Dependiendo del idioma que use, puede usar el flujo óptico de OpenCV, el de TU Graz , el flujo óptico de D. Sun o incluso el mío ;-). Sin embargo, tenga en cuenta que segmentar el flujo será una tarea no trivial que probablemente debería hacer en dos pasos: etsimation de movimiento global (dominante), luego detección de movimiento pequeño.