Question

所以，伙计们，请帮助我检测/跟踪那些坐在计算机（笔记本电脑）前置摄像头前的电脑的用户。我尝试过这些方法：

基于颜色的检测（我通过opencv haar级联人脸检测检测到人脸并提取了皮肤HSV范围。接下来我发现了具有肤色的物体。例如通过haar级联知道人脸检测我可以删除的脸，但是如果我只需要手，那么其他人体部位和肤色背景物怎么样？如何使这个算法对照明更稳定？）
训练自己的哈尔级联分类器（我训练自己的级联来检测手部使用3.5k正面和4k负面照片。训练需要3天。数据集相当丰富（各种手掌）配置和方向，光线条件，不同的背景）。它的工作原理并不是那么糟糕，但由于我设置了scaleFactor=1.3和minNeighbors=70，因此速度非常慢。如果我减少minNeighbors，误报将会大幅增加，小反应角将覆盖整个视频帧。训练参数： opencv_traincascade -data data -vec samples.vec -bg neg.txt -numStages 16 -minhitrate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 1024`` -precalcIdxBufSize 1024
训练LBP级联分类器（训练比haar级联更快，检测工作更接近实时但这种检测方法有很多不妥之处）训练参数：opencv_traincascade -data lbp -vec samples.vec -bg neg.txt -numStages 25 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096 -featureType LBP我尝试了从16到25的不同numStages值。
跟踪手牌的Camshift算法源代码在http://pastebin.com/q5zK8cZt。这个怎么运作？只需在检测到的物体周围标记4个点，该算法必须跟踪它并绘制矩形。问题是如果我开始移动我的手，这个矩形开始增长并覆盖整个视频帧。看起来这个算法只适用于小物体（或者物体距离相机很远）

也许我需要混合使用这些方法，否则你会建议另一种方法？也许我需要训练神经网络，例如 YOLO ？我不希望这样做因为它需要花费太长时间而且必须租用基于GPU的服务器。

Answer 1

GPU服务器？不，您不需要：有web based backend用于对象识别。如果您想使用Yolo，您将需要标记一个巨大的图像集（每个班级大约2000个）。我可以建议使用类似的脚本从here获取图像

(function(global) {
  const next = () => Array.from(document.querySelectorAll('.search-pagination__button-text'))[1].click();
  const uuid = () => Math.random().toString(36).substring(7);
  const sleep = (timeout = 5000) => new Promise((res) => setTimeout(() => res(), timeout));
  global.urls = [];
  global.next = () => next();
  global.start = async () => {
    for (let i = 0; i !== 81; i++) {
        window.scrollTo(0,document.body.scrollHeight);
        await sleep(5000);
        document.querySelectorAll('.search-content__gallery-results figure > img[src]').forEach(({src}) => global.urls.push(src));
        next();
        await sleep(5000);
    }
  };
})(window);

在那之后，您需要标记图像中对象的边界框。有online tool，可以在您的网络浏览器中正常工作

要按照此说明训练神经网络，也可以从here中获取二进制文件。

手检测和跟踪方法

1 个答案: