Segmentasi dan pelacakan kendaraan

Saya telah mengerjakan proyek selama beberapa waktu, untuk mendeteksi dan melacak kendaraan dalam video yang diambil dari UAV's, saat ini saya menggunakan SVM yang terlatih tentang representasi fitur-fitur lokal yang diekstraksi dari gambar kendaraan dan latar belakang. Saya kemudian menggunakan pendekatan deteksi jendela geser untuk mencoba dan melokalkan kendaraan dalam gambar, yang kemudian ingin saya lacak. Masalahnya adalah bahwa pendekatan ini jauh lambat dan detektor saya tidak dapat diandalkan seperti yang saya inginkan sehingga saya mendapatkan beberapa positif palsu.

Jadi saya telah mempertimbangkan untuk mencoba memilah-milah mobil dari latar belakang untuk menemukan perkiraan posisi sehingga mengurangi ruang pencarian sebelum menerapkan classifier saya, tetapi saya tidak yakin bagaimana cara melakukannya, dan berharap seseorang dapat membantu?

Selain itu, saya telah membaca tentang segmentasi gerak dengan lapisan, menggunakan aliran optik untuk membagi bingkai dengan model aliran, apakah ada yang punya pengalaman dengan metode ini, jika demikian dapatkah Anda menawarkan beberapa masukan, apakah menurut Anda metode ini dapat diterapkan untuk masalahku.

UPDATE : Saya memposting pertanyaan ini pada stack overflow juga, dan punya jawaban yang sangat baik , saya sudah menerapkan ide ini dan itu bekerja dengan sangat baik dan saya sekarang sedang menyelidiki menggunakan aliran optik selain teknik ini.

Di bawah ini adalah dua bingkai dari video sampel

bingkai 0:

bingkai 5:

Sayangnya, aliran optik juga merupakan masalah yang sulit ;-)

Agar lebih konstruktif, berikut adalah beberapa algoritme yang patut dicoba (atau telah dicoba pada urutan khusus ini):

• latih kembali tas fitur Anda pada data kendaraan yang lebih representatif (dalam ukuran dan orientasi) dengan masalah Anda yang sebenarnya untuk mendapatkan hasil yang lebih baik
• gunakan fakta bahwa ground adalah bidang datar untuk melakukan beberapa aliran optik parametrik (mencari aliran affine) atau untuk menghitung beberapa pendaftaran affine antara frame-frame urutan. Kendaraan yang bergerak akan keluar dari gerakan dominan ini
• menggunakan beberapa algoritma aliran optik untuk menghitung aliran, kemudian mencoba untuk mengklasifikasikan / mengelompokkan vektor aliran optik (ini masih merupakan masalah yang terbuka luas!). Bergantung pada bahasa yang Anda gunakan, Anda dapat menggunakan aliran optik OpenCV, yang dari TU Graz , aliran optik D. Sun , atau bahkan punyaku ;-). Namun perlu dicatat bahwa segmentasi aliran akan menjadi tugas non-sepele yang mungkin harus Anda lakukan dalam dua langkah: global (dominan) gerakan etsimation, kemudian deteksi gerakan kecil.