我需要跟踪在建筑物内走动的人。我有一个向下指向的网络摄像头安装在距离地面6米（20英尺）的天花板上。
性能非常重要，因为计划是让它在多个网络摄像头上实时运行。目前我安装了一个摄像头，并且在GPU上使用VIBE进行背景减法，我在720p上获得了~320 fps，这很棒。
虽然VIBE表现良好，但我仍然在努力保持一致性。如果人们走得太近，他们就被认为是一个人。我还需要忽略来自非人类物体的移动。
我真的需要你们的一些意见和建议关于如何确定什么是人类以及什么不是我的VIBE输出。什么是明智的方法？我试图将人类定义为具有一定的正方形像素大小，但我觉得必须有更聪明的方法来区分人类和非人类运动。
如果另一种方法有意义，例如光流，跟踪学习检测算法（OpenTLD？），性能良好的HOG，我很想听听它。
任何想法和意见都表示赞赏：）
答案 0 :(得分：2)
您的问题有很多方法，但没有一种方法可以普遍使用。两个主要方法系列是（a）改进低级别blob检测和处理，或（b）处理跟踪器中的模糊性。
如果您对如何改进斑点检测有所了解，请尝试这些。我不熟悉VIBE或你的场景细节（室内与室外，相机抖动量，镜头质量等），所以我在那里没有建议。
假设合并的blob来自独立的行人，请考虑使用理解blob拆分和合并的粒子过滤器。如果人们在大群体中移动，请考虑增强跟踪器以检测人群并放弃逐个跟踪每个人。
如果您可以构建一个强大的跟踪器，您可以通过它们的运动模式和像素大小过滤掉非人类。