Question

我有一个关于自行车抢劫的cctv镜头，视频不清楚。我正在努力增强视频，以查找有关车辆或面部的详细信息或其中的任何其他信息。 https://drive.google.com/file/d/0B8ZjiDWHZ1j-QkVKZFV4ZkV1ODA/view?usp=sharing 原始直方图均衡 CLAHE

到目前为止我在python opencv中所做的一切

基本直方图均衡，因为它是夜晚的镜头。
由于影片中有明亮的热点，我应用了对比度受限的自适应组均衡（CLAHE），并尝试了限幅1到10，网格大小从4到32。
我一直在使用gabor滤镜来减少自行车的前照灯闪光但是无法将其调到合适的参数。
由于视频中存在一些噪音，因此想到使用fastNlDenoising对其进行去噪，但没有结果。
由于图像很小，我尝试使用SeRanet SeRanet on github对图像进行超分辨率。但即使在单张图像上也很慢，并且结果不足以验证视频中的脸部。（至少在我运行SeRanet的框架上）。

有关如何从视频中收集更多信息的任何帮助（或者由于某些限制而死路一条）

import numpy as np
import cv2
import time
cap = cv2.VideoCapture('./bike_robbery.mp4')
clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(32,32))
count=0
sig = 1
th = 0
lm = 1.0
gm = 0.02
ps = 0;
ksize =31
gaborKernel=cv2.getGaborKernel((ksize,ksize), sig, th, lm, gm, ps);
sleeptime=0.001
while(cap.isOpened()):
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cl1 = clahe.apply(gray)
    equ = cv2.equalizeHist(gray)
    #denoise=cv2.fastNlMeansDenoising(cl1,None,3,90,2)
    ths=cv2.threshold(equ, 230, 255, cv2.THRESH_BINARY)[1]
    gab=cv2.filter2D(cl1,0 , cv2.CV_32F, gaborKernel);
    kernel = np.array([[-1,-1,-1], [-1,18,-1], [-1,-1,-1]])
    im = cv2.filter2D(equ, -1, kernel)
    res = np.hstack((gray,equ,cl1)) #stacking images side-by-side
    cv2.imwrite("./clahe_pics/frame%d.jpg" % count, cl1)
    cv2.imwrite("./hist_pics/frame%d.jpg" % count, equ)
    count = count + 1
    cv2.imshow('frame',res)
    time.sleep(sleeptime)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
    if cv2.waitKey(1) & 0xFF == ord('s'):
        sleeptime+=0.05
    if cv2.waitKey(1) & 0xFF == ord('f'):
        sleeptime-=.05
cap.release()
cv2.destroyAllWindows()

Answer 1

根据这个问题，如果你想找到人类和自行车的存在，你可以使用一些分类器，如人体检测和车辆检测。对于人体检测，您可以轻松找到预训练的哈尔分类器模型。对于检测自行车，您可以训练模型。好像这是一个实时问题。但如果您担心照明问题，可以使用LAB图像并增强图像的L通道并调整图像的亮度。对于人体检测，您可以在opencv的这条路径中找到模型：directory:opencv\sources\data\haarcascades

处理抢劫案夜间闭路电视录像？

1 个答案: