3

我正在尝试从视频源中提取人物，以便以后可以使用他的图像。我只需要提取人体，而忽略环境。好消息是背景是静态的。我尝试使用 AForge 并应用 CustomFrameDifferenceDetector 过滤器，它将当前帧与静态背景图像进行比较并提取不同的像素（差异>阈值）。它效果很好，但是当皮肤或衣服的一部分与背景颜色相似时就会出现问题。在这些情况下，过滤器会忽略这些部分，结果会在体内出现各种孔。简单地降低阈值并不能解决问题，因为身体阴影和其他噪声会增加（即使在噪声抑制下）。

你知道这个问题的任何已知解决方案吗？或者它仍然是未解决的问题？

4

2 回答 2

3

这是一个很难解决的问题（也是微软 Kinect 不只使用可见光的原因之一，也是蓝/绿屏仍然如此受欢迎的原因之一）。我会尝试去除孔（你应该能够预测身体必须在哪里）。如果您有处理能力，请使用不同的阈值并合并结果。您也可以尝试过滤新的分离图像（例如，将当前帧添加到最后一帧并标准化结果）。通过这种方式，您可以更加一致地跟踪丢失一帧的形状。

另一种方法：仅使用检测到的形状/区域来检测身体的位置。即忽略其特定形状并在估计的身体位置上方/周围使用预制形状。如果您想做某种类似蓝屏的行为，这很可能不起作用，但它也可能有助于关闭漏洞。

于 2011-07-16T10:44:48.230 回答
1

Alturos.Yolo完全符合您的要求。

Yolo 从带注释的图像中学习如何检测您正在寻找的对象。首先，您需要使用 Nuget 包管理器安装项目以及一组已经训练好的图像。在您的情况下，YOLOv2-tiny 模型就足够了：

Install-Package Alturos.Yolo
Install-Package Alturos.YoloV2TinyVocData

安装后，您可以像这样使用它来检测图像中的人：

using (var yoloWrapper = new YoloWrapper("yolov2-tiny-voc.cfg", "yolov2-tiny-voc.weights", "voc.names"))
{
    var items = yoloWrapper.Detect(@"your_image.jpg");
    //if (items[0].Type == "Person") { ... }
}

items 数组将包含有关找到的所有对象的信息。您可以使用 Type 属性检查您正在查看的是否是人。

于 2019-05-14T09:13:04.647 回答