我打算做一个项目，包括从闭路电视摄像机的视频输入跟踪各种物体（包括人，车辆等）。我打算使用OpenCV。实现应该容忍遮挡，并且应该能够识别并继续跟踪对象，即使它们退出框架并在一段时间后重新进入。此外，还应自动识别并跟踪帧中的新条目，并且我需要随时间提取对象的位置。由于有很多选择，我实在很困惑。有人可以提出最好的前进方向。我已经尝试了以下内容：
是否有更好的解决方案比上面提到的更适合手头的问题？有没有办法提高跟踪算法的准确性？有没有办法改进我已经考虑过的解决方案？请帮助解决我的困惑。
答案 0 :(得分：2)
您基本上正在寻找完美的跟踪算法:)如果您想知道哪种最适合您的要求，您可以查看基准，例如Visual Object Tracking Challenge，Visual Tracker Benchmark。但实施起来可能很困难。
另一方面，我猜你想要实时表现。在这种情况下，您也应该检查我的this答案。
我也知道卡尔曼滤波器。但是它无法处理识别从不同位置重新进入帧的先前对象的问题。我更喜欢包含此功能的解决方案。
没有这样的预测算法。您必须检查每个可能的边界位置以再次找到目标。
我尝试了Camshift。但它需要规定强度范围。由于之前不知道CCTV安装的实际设置，因此也不能选择。
因为你几乎想要有史以来最好的算法，所以你可能不喜欢camshift。基于直方图的算法对类似的目标（或任何具有相似颜色的对象）都不具有鲁棒性，有些算法基于直方图并尝试处理形状（fragTrack是一个很好的例子）。但是，我认为它赢了＆ ＃39; t让你满意。）
我也查了一下HOGDescriptor类。但它没有提供直接跟踪的设施吗？我的意思是只进行检测。
实际上，要检测目标，首先需要对其进行训练（或者（例如），您可以使用对象算法来检测场景中的显着对象）。这意味着你必须为每个可能的目标进行训练。因此，如果您检测到之前训练过的目标之一，您可以尝试在每个帧中检测相同的目标。您可以使用卡尔曼滤波器缩小搜索门限并获得更好的结果。
总结一下，从基准开始。找到适合您的最佳算法。
顺便说一下，deep learning是当今计算机视觉算法的发展趋势。可能最好的一种包括深入学习这种或那种方式。
希望这有帮助，
格克汗。