Question

因此，我正在尝试计划我想采取的方法来计算视频中的车辆和行人。以下是我想采取的方法的基本步骤。

使用背景减法来区分移动物体。
使用cv2.SimpleBlobDetector检测BGS步骤中生成的掩码中的blob并返回关键点。
使用给定的关键点跟踪所有blob（示例中尚未实现）。

问题：这种方法是否适用于行人和车辆？如果是这样，我不清楚如何区分不同的blob？

我想知道blob的大小是否可以用来区分行人（小斑点）和车辆（大斑点）。但是，我不知道如何处理车辆距离货源更远的情况，因此看起来很小。

import numpy as np
import cv2

cap = cv2.VideoCapture('video.avi')

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
fgbg = cv2.BackgroundSubtractorMOG(500, 6, 0.9, 1)

# Setup SimpleBlobDetector parameters.
params = cv2.SimpleBlobDetector_Params()

# Change thresholds
params.minThreshold = 10;
params.maxThreshold = 200;

# Filter by Area.
params.filterByArea = True
params.minArea = 400

# Filter by Circularity
params.filterByCircularity = True
params.minCircularity = 0.1

# Filter by Convexity
params.filterByConvexity = True
params.minConvexity = 0.87

# Filter by Inertia
params.filterByInertia = True
params.minInertiaRatio = 0.01

# Create a detector with the parameters
ver = (cv2.__version__).split('.')
if int(ver[0]) < 3 :
    detector = cv2.SimpleBlobDetector(params)
else : 
    detector = cv2.SimpleBlobDetector_create(params)

while(1):
    ret, frame = cap.read()

    fgmask = fgbg.apply(frame)
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)

    #fgmask = frame;

    # Detect blobs.
    keypoints = detector.detect(fgmask)
    # Draw detected blobs as red circles.
    # cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures the size of the circle corresponds to the size of blob
    im_with_keypoints = cv2.drawKeypoints(frame, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

    print keypoints

    cv2.imshow('frame',im_with_keypoints)

    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

Answer 1

我建议不要采用斑点区域方法来区分行人和车辆。你已经解释了一个明显的缺点 - 更远的汽车肯定会被当作行人。

在步骤2和3之间需要涉及更复杂的逻辑，例如：

基于HOG的人物检测器 - 见http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pd。已经在OpenCV中实现，在人体检测方面具有良好的准确性。
基于Haar分类器的汽车探测器/汽车特征探测器（车轮，车牌号等） - 需要使用opencv提供的工具自行准备。拥有良好的分类器来检测某些汽车功能，您可以通过增加汽车检测到的阳性数量来提高整体检测的准确性。

在最终解决方案中至少有一个子弹是我必须拥有一个良好的准确性解决方案。拥有它们两者甚至可以更好地准确。

OpenCV - 同时对视频中的行人和车辆进行BGS + Blob检测（代码提供）

1 个答案: