我正在从视频/摄像头检测车辆，它可以很好地检测来自视频/摄像头的车辆，但是如果假设6秒视频包含2辆车，并且每个车辆在视频中包含2秒而不是提取35+帧其他车辆的一个车辆和相同的箱子，简单来说，它从包含车辆的视频中提取所有帧，但我的要求是提取一辆车的唯一一帧，如果6秒视频包含2辆车比我应该提取的2个框架包含整个车辆并忽略所有其他框架。我已经在它上面实现了熵技术，这使得它更好，但仍然得到相同车辆的太多帧。我想知道一种技术，我可以提取包含整个车辆的唯一框架，并忽略包含该车辆的所有其他框架（同一车辆）
答案 0 :(得分：0)
假设您不仅获得二进制检测结果（“有车”）而且还获得某种空间信息（“有一辆车，其边界框是...“）然后你可以简单地保持显示最多的帧。
像这样的东西
best_frame = None
best_frame_score = 0.0
for frame in video:
has_car, score = detect_car(frame)
if has_car and score > best_frame_score:
best_frame = frame
best_frame_score = score
这假设函数detect_car返回二进制检测结果和一些分数。例如，分数可以是边界框的大小。