问题标签 [video-tracking]

我正在使用 OpenCV 2.3 进行关键点检测和匹配。但是我对检测算法给出的size和参数有点困惑。response它们到底是什么意思？

根据 OpenCV 手册，我无法弄清楚：

float size：有意义的关键点邻域的直径

float response：选择最强关键点的响应。可用于进一步排序或二次抽样

我认为跟踪的最佳点是响应最高的点，但似乎并非如此。那么，我如何对 surf 检测器返回的一组关键点进行二次采样，以仅在可追踪性方面保留最好的关键点呢？

我有一个项目，我需要使用 OpenCV 来检测网络摄像头上的物体（网球），并在我将它滚过桌子时跟踪它以获得奖励积分。

由于我使用的是 OpenCV 2.4、C++，而且很多信息都在较旧的 OpenCV 版本中，因此我没有太多运气找到这方面的信息。我已经阅读了很多不同的方法来做到这一点，但我只是不知道如何在我的代码中实现它。

任何帮助将不胜感激，特别是关于如何将检测/跟踪功能集成到我的代码中

到目前为止，这是我的代码，我认为图像检测/跟踪代码应该在我应用过滤器之后执行：

I'm currently combing two examples from OpenCv which let you detect your face and track object. The purpose is to first detect the face and then track it.

My code currently :

Currently I show where the face was initially (in a green rectangle) and what is tracked at the moment (in a red oval). I am able to detect the face, but the face tracker keeps tracking all other stuff except for my face (always on one or two shoulders). I suspected it had something to do with the coordinates, but I've checked them and they seem fine (mask_roi, hsv_roi, vis_roi). An example :

Can anybody point out my mistake ?

我正在尝试使用 OpenCV 进行对象检测工作。但是有一些事情让我感到困惑。像 camshift 和卡尔曼滤波器这样的跟踪和预测算法可以完成跟踪任务，而 SURF 匹配方法也可以做到这一点。

我不太明白这两种方法之间的区别。我已经根据 OpenCV 教程的 feature2d（使用 SURF）和 motion_analysis_and_object_tracking（使用 camshift）进行了一些编码。似乎它们只是一个目的的两种手段。我是对的还是我错过了一些概念？

将 camshift 跟踪与 SURF 特征匹配结合起来是不是一种好方法？...也许可以应用更多的东西，比如轮廓匹配？

我想做行人检测和跟踪。

输入：来自闭路电视摄像机的视频流。

输出：

1. #(no of) 人从左到右
2. # 人从右到左
3. # 中间人数

到目前为止我做了什么：对于行人检测，我使用的是 HOG 和 SVM。检测结果不错，误报率高。而且它非常慢，因为我在 android 平台上运行。

问题： 检测后如何计算上面列出的所需值。谁能告诉我我必须使用什么跟踪算法以及行人检测的任何好的算法。

或者我应该使用跟踪算法？没有它有办法吗？

对代码/博客/技术论文的任何引用表示赞赏。

平台：C++ & OpenCV / 安卓。

- 谢谢

嗨，我是 OpenCV 的新手，我正在尝试使用放置在固定位置的相机来实现人体跟踪。我做了一些研究，发现了方向梯度直方图方法，但根据我的理解，它的作用是检测而不是跟踪。因此，我想知道在 OpenCV 上实现人体检测和跟踪的最简单方法是什么？

P/S：我找到了这个视频，这正是我想要实现的。

I am trying to do an object recognition with OpenCV. The idea is that I start with an empty database and subsequently add objects into it with a camera. So far I have a tracking algorithm which is based on the opencv method calcOpticalFlowPyrLK and a matching algorithm.

What I am now not sure about is, how to set up the database.

My idea is the following:

I am detecting SIFT feature points (lets say frame1 1000 FeaturePoints(FPs)) in the first frame. In the subsequent frame2 I am taking over the features I recognized in frame1 due to the tracking algorithm (say 500). With this 500 I go to frame3 and take over those FPs I can track from frame2 (say 400) and so on. This means that the number of feature points in constantly dropping over the frames.

Therefore I want to introduce two thresholds of say 100FPs and 40FPs. If I undergo 100Fps (assume this happens in frame6) - then I start to detect again SIFT features in frame6 and push the points with that back to 1000. Unless the drop is so high that I do not only undergo 100 FPs but also 40FPs in frame6 then I consider this frame to show a new Object.

Let's say I have to refresh my FPs every 6 frames and after 7 refreshs I drop below 40 and want to classify the object. This means I have recognized 7000 Fps for Object 1. But many of them are very similar or even the same. Therefore I thought about putting this FPs into an SVM to learn the object. Now the question is what kind of SVM is the best for my purpose. I cannot do a "negative training", means I have no images which are showing the wrong object to train the classifier. I could do that once I have detected a few objects.

I hope my problem became clear and somebody can give me inspiration or good advice how to proceed.

Best Regards

嗨，我目前正在使用 HOG 和 Haar Cascade 的 OpenCV 实现来执行行人检测并将它们限制在视频源上。

但是，我想为每个进入视频提要的行人分配一个唯一的 ID（编号），并且在行人离开视频提要之前，该 ID 保持不变。由于帧是一个接一个地处理而不考虑前一帧，我不确定如何以最简单但有效的方式实现这一点。

我真的需要使用像 camshift 或 Kalman 这样的跟踪算法吗，我对此一无所知并且真的可以使用一些帮助。或者有没有更简单的方法来实现我想要的？

P/S：这个视频是我想要实现的。事实上，我之前在这里发布了一个类似的问题，但更多的是针对检测技术，这是针对分配唯一标识符的下一步。

我正在为一个音乐节开发一个人群控制的音响系统。音乐将由个人和整个人群（或多或少 500 人）控制。

在寻找人群跟踪技术时，我偶然发现了这个http://www.mikelrodriguez.com/crowd-analysis/#density；附上 Matlab 代码和数据集。您是否知道类似的技术，也许更简单，例如基于 blob 检测？你知道这个在实时场景中的表现如何吗？有没有已知的方法可以使用例如 OpenCV 来做到这一点？

我正在研究android中的对象识别。到目前为止，我能够以 5-8 fps 的帧速率检测/识别物体。现在，我想在后续帧中跟踪检测到的对象。

到目前为止我所做的工作的简短摘要。

1. 捕获感兴趣的对象并将其作为图像存储在电话的外部目录中。
2. 检测并提取特征点（使用 ORB 特征检测器和描述符）。
3. 执行匹配并在检测到的对象周围绘制矩形框（Homography）。

检测到的对象的示例。

现在，在执行单应性之后，我打算在后续帧中跟踪对象。哪些可能的算法可以做到这一点（这种检测后跟踪的方法是否可行）？。我已经完成了基于粒子滤波器和卡尔曼滤波器的跟踪，但无法理解需要传递哪些参数来实例化单应性跟踪。任何对 openCV 中跟踪算法、文档、示例代码的参考都会有所帮助。

编辑