无神经网络的实时目标检测与跟踪方法

Question

对于单身汉论文，我需要计算使用摄像机的人数，这要尽可能地正确。对于这个问题，我将Python与OpenCV结合使用。我知道像CNN这样的神经网络是尝试做到这一点的最佳解决方案。现在的问题是，对于我的论文，我不应该使用神经网络。

我一直在频繁地研究这个主题，但是我一直在使用Tensorflow和Keras（Yolo，Mobilenet）上的神经网络模型来寻找对象检测和跟踪。 我发现的唯一“老派”方法是：用人的平均身高和身高减去背景，以及将HOG与SVM结合使用的方法。 我还能使用其他算法吗？ （例如knn或随机森林，而不是SVM）

我还有一个仍然无法找到真正答案的问题是如何在视频而不是图像中使用它。您是否逐帧分割视频然后检测到人？还是有我尚未找到的另一种方法？我觉得对于正在运行的机器，每个帧的对象识别和检测都将非常繁琐。

在一帧中还能检测到多个人吗？

我真的希望有人可以帮助我解决这个问题，因为我已经在论文的这一部分上停留了一段时间。我想再次取得进步！提前非常感谢！

Answer 1

1. 第一种方法-HAAR级联为特征+ AdaBoost作为分类器。更快但更糟糕-用LBP代替HAAR。

2. HOG +线性SVM。等等：CoHOG，DPM，...

3. ICF（集成渠道功能）+森林。

这是最重要的。

编辑1 ： 而且，您可以使用更多功能（颜色，对称特征）和归约技术：PCA，PLS等。例如，线性SVM速度非常快，但抗噪能力不强。一些研究人员将缩小用于特征向量的大小，并给出了更好的结果。一篇好的论文“使用偏最小二乘的车辆检测”：https://anikem.github.io/papers/Kembhavi_VehicleDetection_PAMI2011.pdf 但是DNN的效果要好得多。